GARCH(1,1)模型参数的多变点检验

研究广义自回归条件异方差(GARCH)模型的多变点检验问题.基于残量累积和(RCUSUM)构造拟似然比检验统计量,对GARCH(1,1)模型中变点的个数和位置都未知的多变点进行检验.在上述过程中同时得到变点个数与位置的估计,并且证明了变点个数估计的一致性.数值模拟表明文中的方法是有效的.     

ARMA-GARCH模型在股市市场风险测度中的应用

选择股票市场2014年1月8日到2016年8月2日上证指数(SZCZ)收盘价作为样本进行研究,建立了残差序列服从不同分布下的ARMA(2,2)-GARCH(1,1)类模型,并进行实证分析及预测,通过比较发现ARMA(2,2)-GARCH(1,1)类模型能够有效处理股票数据的波动集聚性。在此基础上,计算出不同置信水平下ARMA(2,2)-GARCH(1,1)类模型的风险测度值(VaR),与历史模拟法、改进的历史模拟法下的VaR值进行比较,得出ARMA(2,2)-GARCH(1,1)类模型更有效的反应市场风险。     

基于双向差分GM(1,1)模型当季国内生产总值预测

以灰色系统理论建模中的GM(1,1)模型为基础,结合双向差分原理,建立基于双向差分的GM(1,1)模型.该模型克服了大数据建模中对数据量的限制,为"贫数据"及"数据信息不确定"的这类数据提供一种建模思路.实证分析表明,基于双向差分的GM(1,1)模型预测精度优于灰色GM(1,1)模型及大样本建模中的ARMA模型.     

C藤Copula自回归模型及其预测

通过研究严平稳时间序列的非线性自相关性,建立了C藤Copula自回归模型,并运用模型进行了预测。首先,基于C藤Copula理论建立C藤Copula自回归模型,给出某一时刻连续几个滞后项是否与这一时刻独立的判别方法,筛选出相关自变量;接着,给出模型的参数估计方法和基于蒙特卡洛模拟的预测方法;最后进行实证分析,结果显示C藤Copula自回归模型的预测效果优于ARMA(1,1)模型和Garch(1,1)模型。     

股票收益率预测及风险与收益关系研究——基于ARMA-GARCH模型和高频数据

以沪深300指数的一分钟为间隔的实时价格为研究样本,利用ARMA模型和基于T分布的GARCH(1,1)模型,对其收益率进行了拟合和预测,同时运用GARCH-M模型,分析风险和收益之间的关系。研究表明,股指波动存在条件异方差性;ARMA模型长期预测效果较好,而GARCH(1,1)-T模型短期预测效果较好;沪深300指数的风险和收益不呈正比,说明我国股市发展不成熟。     

图模型方法及ARMA模型检验

应用图模型方法来研究时间序列中的因果关系,并以ARMA(1,1)时间序列为例作了说明.将ARMA模型表示成混合图,证明了ARMA模型的系数就是在移去了时间序列中其他成员的线性效应后的偏相关系数.这样就可运用通常的图模型推断算法来做参数估计和预测.与传统的对ARMA模型的检验法相比较,该方法既直观又易于计算.     

ARMA过程平稳性的贝叶斯检验

根据贝叶斯原理,分别讨论了在误差项的方差σ^2已知与未知两种情况下,AR(1)过程和ARMA(1,1)过程平稳性的检验问题,对于AR(1)过程,在误差项的方差σ^2已知与未知两种情况下该过程回归系数的后验分布分别为正态分布和t分布,而ARMA(1,1)过程在σ^2已知的前提下其回归系数的后验分布为t分布．并由此得到其最大后验密度(HPD)置信区间．以近30年来中国国民生产总值(GGNP)和价格指数(PI)的统计数据为实例进行实证分析,研究了以价格指数校正后的中国对数的国民生产总值序列In(GGNP／PI)的平稳性,所得的结果与增广的迪基一富勒检验(ADF检验)相同．     

应用改进的残差GM(1,1)模型预测城市用水量

运用灰色系统理论建立GM(1,1),并用改进的残差GM(1,1)模型进行修正,对城市用水量进行预测.改进的残差修正方法能够使模型保持良好的适应性,有效提高了预测精度.应用该模型对某市年用水量进行预测检验,结果表明:改进的GM(1,1)模型具有较高的预测精度,模拟效果更好.     

2E12铝合金板材疲劳寿命的灰色预测

2E12铝合金是一种比较理想的飞机蒙皮材料,为了更好地预测2E12铝合金的疲劳寿命,文章以2E12试件为研究对象,进行疲劳试验,获得材料的S-N曲线,利用灰色系统理论建立GM(1,1)模型和等维灰度递补GM(1,1)模型,生成预测模拟值,将模拟值和试验数据进行残差检验,验证预测数据的准确性,从而得出模型预测S-N曲线。计算表明,GM(1,1)模型和等维灰度递补GM(1,1)模型的预测模拟值与初始数据基本一致,模型预测S-N曲线与材料S-N曲线吻合程度较高,因此,可通过以上模型实现对2E12铝合金板材的疲劳寿命预测。     

长记忆时间序列参数多变点滑动比检验及应用

提出了基于Lavancier统计量来检验长记忆时间序列中可能存在的参数多变点,作为前者的一个对比,还提出了利用滑动比率方法近似修正Lavancier统计量的临界值。检验并估计了长记忆时间序列中的参数多变点。模拟结果表明滑动比率统计量在检验多变点的情况下具有更高的经验势且能够更好地控制经验水平。突出了本文所提方法对参数多变点的检验具有优越性。最后通过中国2009年3月到2018年3月美国耐用品订单月率(%)数据说明了该方法的实用性。