季节性变动影响下的上海港集装箱吞吐量预测

港口吞吐量精准预测对于每一个港口的成功经营和有效决策都十分重要.季节性波动经常会影响港口吞吐量,为了更为准确地预测上海港口集装箱吞吐量,本文选取2007年至2012年上海港母港集装箱吞吐量的月度数据,并对于港口集装箱吞吐量的月度数据中出现的季节性波动进行了处理,采用季节时间序列模型对其进行预测.为了说明方法的有效性,以同样的数据,使用整自回归移动平均模型对上海港集装箱吞吐量进行预测.两种方法预测结果进行对比发现,利用季节时间序列模型对港口集装箱吞吐量季节性进行处理,能够提高港口集装箱吞吐量的预测精度.     

基于残差的非线性自回归模型的拟合优度检验

时间序列模型中,考虑误差分布的拟合优度检验是很重要的．Lee和Na（2002）考虑了在线性自回归模型下,基于残差的Bickel—Rosenblatt检验问题．他们指出了在原假设条件下,检验统计量的极限分布与利用独立同分布观测值的经典Bickel—Rosenblatt检验相同．本文主要讨论无限阶的非线性自回归模型的基于残差的Bickel—Rosenblatt检验统计量的渐近性质．我们证明了在自回归函数未知的情况下,当满足一定条件时,检验统计量的渐近性质与基于真实误差的统计量的性质相同．     

自回归谱估计算法的分类及应用

为了进一步使自回归谱估计算法系统化,为评价算法、选择算法和发展新算法提供参考,本文提出了一种自回归谱估计算法的分类法.文中还介绍了在此分类法的指导下研究出来的一种新的自回归谱估计算法.     

Forecasting using high‐frequency data: a comparison of asymmetric financial duration models

The first purpose of this paper is to assess the short‐run forecasting capabilities of two competing financial duration models. The forecast performance of the Autoregressive Conditional Multinomial–Autoregressive Conditional Duration (ACM‐ACD) model is better than the Asymmetric Autoregressive Conditional Duration (AACD) model. However, the ACM‐ACD model is more complex in terms of the computational setting and is more sensitive to starting values. The second purpose is to examine the effects of market microstructure on the forecasting performance of the two models. The results indicate that the forecast performance of the models generally decreases as the liquidity of the stock increases, with the exception of the most liquid stocks. Furthermore, a simple filter of the raw data improves the performance of both models. Finally, the results suggest that both models capture the characteristics of the micro data very well with a minimum sample length of 20 days. Copyright © 2008 John Wiley & Sons, Ltd.     

自回归语音信号模型参数的韧性估计算法及在共振峰检测中的应用

使用牛顿算法的韧性（Ｒｏｂｕｓｔ）Ｍ估计方法来估计自回归（ＡＲ）语音信号模型的线性预测参数，该方法考虑了语音信号模型浊音激励源的非高斯特性，能有效地抑制异常值（ｏｕｔｌｉｅｒ）的影响。使用所提出的韧性线预测算法来检测共振峰，获得了比使用常规线性预测方法更准确的结果     

全球发展、雾霾和健康期望寿命的模型数据分析

随着全球范围粗犷式的经济社会发展,空气污染问题日益严重,对公共健康造成极大威胁。基于新开发的动态面板门槛模型和面板向量自回归模型,在充分考虑异质性特征的前提下,探究了经济社会发展和雾霾污染对全球166个国家居民健康期望寿命的综合影响。研究结果表明,社会发展、雾霾污染和健康期望寿命存在动态互动效应,社会发展有利于提高公共健康水平,而雾霾污染整体上对健康期望寿命有负效应。此外,社会经济发展和雾霾污染对健康期望寿命的影响是非线性的,各因素的平均边际效应在不同情况下有所不同,而且各因素间也存在间接影响。主要的表现是,在发展速度缓慢和发展水平比较低的国家,居民的公共健康更容易受到雾霾污染的负面影响,而在高速发展和发展水平较高的国家这种负面影响会减小;更重要的发现是,在雾霾污染严重的国家,社会经济发展不仅不会提高居民的健康期望寿命,反而有负的平均边际效应,发展的积极影响被严重削弱。本文的研究结果不仅为相关标准的制定提供了参考,也对权衡经济社会发展和空气污染的政策的制定提供了一定的启示。     

非平稳时间序列分析的WAVELET—ARMA组合方法及其应用

创立非平稳时间序列分析的WAVELET—ARMA组合方法。介绍WAVELET—ARMA方法原理,阐述WAVELET—ARMA组合方法分析的一般步骤,即利用小波分解与重构,通过采用Daubechies小波将时间序列分解成趋势项和一般项;趋势项的平稳性检验;以及用ARMA方法拟合已经成为平稳序列的趋势项,并应用于原时间序列的预测。最后,将该WAVELET—ARMA组合方法应用于江苏粮食产量的变化情况研究,结果表明该方法比直接二次多项式拟合预测的平均相对误差小0.4824%,反映WAVELET—ARMA组合方法的有效性。     

数字信号处理在心率变异分析中的应用

本文较全面的介绍了心率变异分析中常用的数字信号处理手段。即从时域简单列举了心率变异信号的一些统计学指标。在频域分别对比使用周期图法和AR模型法分析心率变异信号96功率谱密度。给出了分析实例,并说明了AR模型的优点及实用性。     

Claims provisions in liability insurance

The settlement delay for very large claims in liability insurance may extend to quite a few years; a delay often years in automobile third-party liability is by no means an exception. The companies consequently have to set aside huge amounts as provisions for outstanding claims. As the total provision may attain 100 times the underwriting profit, an underestimation of this provision of a few per cent could mean short-term bankruptcy for the company. A precise forecast of those outstanding liabilities is therefore of crucial importance Owing to the special nature of the information set (a triangular array of cumulative payments, called the‘run-off triangle’), actuaries have in the past neglected the time series analysis approach and devised their own forecasting models. Those methods are reviewed, and illustrated by a real-life example. Two new autoregressive methods are proposed.     

一种新的基于DFNN的时间序列预测

对时间序列预测, 利用自回归移动平均模型(ARIMA)给出了一种新的基于动态模糊神经网络(DFNN)的模型, 该模型中主要是考虑了输出误差这个重要因素. 将ARIMA模型产生的非线性特征用DFNN模型模拟. 能够产生比DFNN和ARIMA单个模型更加精确的模型. 因此, 它可以作为一个适当的替代模型来预测任务,特别是当需要更高的预测精度的时候. 最后用Mackey-Glass时间序列验证了模型的有效性.