ARCH模型中自助法的有效性

ARCH模型的参数估计的统计性质都是在渐近意义下成立的,在实际中常用自助法再抽样扩大样本量从而验证参数估计值的稳定性.本文考察将成对自助法用于自回归条件异方差（ARCH）模型的一阶渐近有效性.     

ARCH模型在金融时间序列中的拟合应用

讨论了自回归条件异方差(Autoregressive Conditional Heteroskedastic,简称ARCH)模型在金融时间序列分析中的拟合应用,以一金融时间序列为例,通过SAS/ETS中的自回归(Autoreh)过程实现对该金融时间序列的自回归-广义自回归条件异方差(Autoregressive-generalzed ARCH,简称AR-GARCH)模型的拟合和分析,最终得到理想结果.     

基于图模型方法的ARCH效应检验

应用图模型方法讨论传统时间序列的ARCH(自回归条件异方差)效应,证明了ARCH模型的系数等于变换后模型在给定其它时间序列变量条件下的偏相关系数,并提出了一种新的ARCH效应检验方法.     

自回归条件异方差模型的模拟

通过介绍怎样利用SAS/ETS中的自回归(Autoreg)过程实现条件异方差(ARCH)模型数据的分析,将理论与实践相结合,利用SAS/IML软件模拟两组(一组为ARCH(q)模型,另一组为AR(m)-ARCH(q)模型)ARCH数据,然后调用自回归过程对两组数据分别用相应ARCH模型进行效据拟合,得到理想结果.     

组合模型对居民消费价格指数序列的分析及预测

求和自回归移动平均模型(简称ARIMA)及支持向量回归模型(简称SVR)是两个重要且行之有效的分析及预测时间序列的方法.他们都能在一定程度上反映数据所包含的信息且信息不会完全重叠.为了能够各取所长,本文用这两种模型的组合模型对居民消费指数(CPI)进行了预测,结果显示组合模型提高了指数的预测精度.     

航空发动机静电传感器温度漂移特性分析

高稳定性的传感器是传感器设计追求的目标,其中温漂是影响设计传感器性能稳定性的主要因素。采用ARIMAGARCH模型对传感器温度的线性和非线性漂移进行了建模,找出温度漂移数据的变化规律。对于线性漂移,滞后1阶的样本自相关系数大于2倍标准差,说明该温漂序列具有短期相关性。对于非线性漂移,残差平方的自相关系数2阶截尾,偏自相关系数1阶截尾,说明具有ARCH效应。研究结果表明,在不影响信度的情况下,提出的模型能够更加精确的预测置信区间,表明长时间的高温实验对传感器稳定性造成的影响能够控制在合理范围内。     

CPI指数预测的统计回归模型

对CPI值进行预测,对我国相应部门做出正确的宏观决策有积极意义.本文采用应用非常广泛的一类随机模型——统计回归模型,首先找到关于CPI指数变化的影响因素,搜集相关的大量数据;然后通过应用主成分分析法找出影响CPI的3个主要因素;最后基于3因素的数据,通过统计分析,建立回归模型,对短期内的情况进行预测.     

CPI指数预测的统计回归模型

对CPI值进行预测,对我国相应部门做出正确的宏观决策有积极意义．本文采用应用非常广泛的一类随机模型——统计回归模型,首先找到关于CPI指数变化的影响因素,搜集相关的大量数据;然后通过应用主成分分析法找出影响CPI的3个主要因素;最后基于3因素的数据,通过统计分析,建立回归模型,对短期内的情况进行预测．     

应用自回归条件异方差模型研究我国水力发电量

为了研究水力发电量条件方差的变化规律及残差的统计分布特征,引入自回归条件异方差模型,建立基于正态分布假设的同阶自回归条件异方差模型对我国2001年1月到2016年2月的水力发电量进行实证分析,研究得出该模型对发电量的估计与预测具有良好的效果。     

油船运价的SD-ARCH模型研究

提出了一种SD-ARCH模型,将系统动力学模拟的结果作为外生变量加人到异方差自回归模型中,描述了航运市场复杂变量间的反馈关系,利用ARCH模型精确地模拟了波动时间序列,结合时间序列ARCH模型对油船市场运价序列进行了精确地长期模拟,成功模拟出了20 a油船运价的波动走势.结果表明,SD-ARCH模型适合用于航运市场发展趋势的长期预测,为研究航运市场预测模型提供了新思路.     

基于HAR RV J ARCH模型的中国股票市场异质性研究

针对中国股票市场的异质性现象,提出HAR-RV、HAR-RV-J以及HAR-RV-J-ARCH这3种模型进行研究;采用最小二乘法结合Newey West协方差形式进行参数估计再进行预测,并比较3种模型拟合效果和预测效果;实证结果得出股票市场收益波动率的异质性主要是由月波动(长期交易者)和跳跃波动决定,日波动(短期交易者)和周波动(中期交易者)影响效果较小,并且HAR-RV-J-ARCH模型拟合效果更好;结果表明HAR-RV-J-ARCH模型能较好地描述股票的异质性现象。     

基于小波分解与自回归树的时间序列预测新方法

小波分解可以将非平稳时间序列分解成多层近似意义上的平稳时间序列,本文首先采用小波分解将非平稳时间序列分解,在分解后的各层时间序列上构造自回归树模型,采用贝叶斯方法学习决策树的结构与变量,并对分解后的时间序列进行预测,最后采用小波重构方法将分解后的各层时间序列重构,得到原始时间序列的预测值。以2007年海关统计的重点出口商品量的数据为例,对中国出口贸易的走势进行分析和预测。结果表明,本文的方法比传统时间序列预测方法精度高,可以很好地应用于非平稳时间序列的预测。     

基于神经网络技术的干散货运价指数预测

在考虑了干散货运输需求、干散货船舶供给以及干散货船舶闲置等对运价指数影响的基础上,采用神经网络技术对月度干散货指数进行了研究,并且与基于ARCH模型和多元线性回归模型的预测进行了对比研究,结果表明从提高预测精度的角度来说神经网络技术是最优的.     

连云港扩建工程后的回淤现状及其模拟预测

本文就连云港扩建工程后,老港区和外航道的泥沙回淤强度,根据测图水深的量计资料,采用时间和面积加权平均方法分别进行了年平均值的测算;由于淤强的预测方法目前还不尽完善,因此,本文以动态系统自回归分析(AR模型)模拟了该港的序列淤强和其随机预测。     

连云港扩建工程后的回淤现状及其模拟预测

本文就连云港扩建工程后,老港区和外航道的泥沙回淤强度,根据测图水深的量计资料,采用时间和面积加权平均方法分别进行了年平均值的测算;由于淤强的预测方法目前还不尽完善,因此,本文以动态系统自回归分析(AR模型)模拟了该港的序列淤强和其随机预测.     

我国物价指数的时间序列分析

借助于SAS软件,首先将时间序列的ARIMA模型应用于我国的物价指数分析,通过分析其拟合与预测误差可以发现该模型效果良好.然后运用ARCH模型进行分析,经过比较发现在对我国物价指数的分析上,ARIMA模型的效果要好于ARCH模型.     

机场道面使用性能的动态自回归预测模型

针对我国机场道面性能观测时间短,观测数据少,使用现有模型预测精度低,不能根据观测值动态更新预测模型等现状,提出了将卡尔曼滤波应用于时间序列预测的方法,建立了动态自回归预测模型,进行机场道面使用性能的预估.选取我国华东某机场的实测道面状况指数为基础数据,进行时间序列建模,应用卡尔曼滤波算法实现时间序列模型参数的实时更新,分析模型的预测效果.时间序列数据较少时,难以建立高精度的自回归模型,通过卡尔曼滤波处理建立的动态自回归预测模型精度明显提高.     

基于递推最小二乘改进算法的洪水预报模型研究

由递推最小二乘算法估算出的自回归系数在一定条件下具有最佳的统计特性,但在实际应用中,这种方法往往难以动态地把握水文现象的动态特性.为提高自回归洪水预报模型的精度,分别用衰减记忆、有限记忆及2种算法相结合的方法对基本的递推最小二乘算法进行改进,并利用这几种改进算法对白马寺水文站的实测径流序列进行了模拟演算.结果表明,这3种改进的递推最小二乘算法,都可以使自回归洪水预报模型取得较好的预报效果,但实际应用时应根据不同预报的侧重点选择相应的算法.     

机会认知网络中基于社会关系的节点位置预测算法

移动节点位置预测是机会认知网络进行有效数据采集和消息转发的基础,提出了一种基于社会关系的移动节点位置预测算法.该算法基于位置对应用场景进行建模,通过节点的移动规律挖掘节点之间的社会关系.该算法以1阶Markov模型为基础对节点的移动性进行初步预测,然后,利用与其社会关系较强的其他节点位置对该节点的预测结果进行修正.最后,基于UCSD WTD数据集对算法进行仿真实验.结果表明,基于社会关系的移动节点位置预测算法与1阶Markov预测模型相比获得了更好的预测精度,并且算法具有较好的可扩展性.