基于小波的加外生变量部分线性自回归模型在石油价格预测中的应用

利用小波函数结合引入外生变量的部分线性自回归模型对WTI现货价格序列进行建模研究,并与部分线性自回归模型和加外生变量的部分线性自回归模型进行比较分析,结果表明：结合小波且加外生变量的部分线性自回归模型的预测精度较高,在石油市场价格预测中有较高的准确性.     

线性自回归模型的自回归分析

将回归模型的回归分析推广到线性自回归模型的自回归分析,获得了线性自回归模型参数的估计公式、估计标准误公式、变量的点估计与区间估计公式、总体自回归系数的检验统计量。     

一种线性移动自回归预测模型

应用线性回归分析和移动平均理论,对按时间次序排列的单一数据序列,给出了一种线性移动自回归预测模型,并对原始数据受不确定因素影响而产生的随机振荡,给出了合理的控制区间和运行通道。将其应用于深圳证券交易所股价指数每日收盘指数序列,得到了与实际情况相符合的结果,预测的准确性相当之高,具有一定的创新性和实际应用价值。     

部分线性回归模型中改进的差分估计及SCAD

考虑了部分线性回归模型中回归参数向量估计的问题,提出了具有更好性质的压缩差分估计,并且将SCAD惩罚函数运用到模型中得到SCAD估计,然后通过Monte Carlo模拟了压缩差分估计和SCAD估计的相关结果,并对它们之间的优劣进行了比较.     

自相关线性回归模型的若干问题

在普通线性回归模型的理论、方法的基础上,对讨论更一般的线性回归模型－－自相关的线性回归模型。     

部分线性自回归模型中误差矩的分段多项式估计

目的研究部分线性自回归模型中误差矩的估计。方法利用非参数分段多项式估计和最小二乘法进行讨论。结果给出了误差tε的k（k≥1）阶矩及误差方差σ2的估计的大样本性质。结论误差k（k≥1）阶矩的估计的收敛速度为T-1/2,T（^σ2T-σ2）/D^T依分布收敛于N（0,1）,其中^σ2T和D^2T分别为σ2和Var（23ε）的分段多项式估计,T为数据个数。     

部分线性分位数回归模型的平均估计

模型平均估计可对不同候选模型中的参数估计量进行加权平均,能有效提高参数估计的精度,在经济、金融和管理等领域有着广泛应用。为提高部分线性分位数回归模型的参数估计效果,本文构造了基于兴趣参数的模型平均估计量并探究了其大样本性质。首先,利用B样条近似非参数函数,并通过极小化分位数损失函数来得出各候选模型的回归系数估计量,在局部误设定框架下推导了系数估计量的渐近分布;其次,基于候选模型中兴趣参数的估计构造出了模型平均估计量,并得出其渐近性质;最后,推导了覆盖真实参数的概率趋近于名义水平的置信区间。本文研究不仅丰富了平均估计的渐近分布理论,而且为兴趣参数构造了合适的置信区间。     

差分侧信道密码分析中泄露模型的线性回归分析

从统计学线性回归模型的角度研究密码设备差分侧信道分析攻击中泄露模型的建模及估计,在不需对设备信息泄露有提前了解的情况下,得出线性回归泄露模型,克服了传统泄露模型的局限性.首先,分析能耗泄露的随机模型从而构建线性回归模型,然后用最小二乘估计和最小一乘估计两种方法求解线性回归模型的系数,最后基于八位控制器PayTV-AES智能卡平台实现能耗泄露的建模及系数估计.通过对两种求解方法结果的比较,提出最小二乘估计比最小一乘估计更适合用于泄露模型的线性回归分析;通过对被估模型系数曲线的分析,提出线性回归分析可以用于测量数据的预处理,以提高泄露模型建模效率.     

一种非线性移动自回归预测模型

应用非线性回归分析中的S型增长模型及移动平均线理论,对按时间次序排列的单一数据序列,给出了一种非线性移动的自回归预测模型,将其应用于股价指数的历史数据中,对该预测模型的合理性和准确性作了初步验证,得到的结果相当理想,本模型具有一定的实际应用价值。     

石油价格的ARFIMA模型预测研究

经检验,石油价格波动具有长记忆性,而通常用于定量预测的ARMA模型是不考虑长记忆性的．应用考虑长记忆性的ARFIMA模型对石油价格进行了预测研究,预测结果表明,ARFIMA模型的预测结果要好于不考虑长记忆性的ARMA模型．     

半参可加部分线性EV模型中参数的经验似然比检验

考虑半参可加部分线性EV模型中参数部分的检验问题,提出了经验似然比检验统计量,得到了原假设成立下统计量的渐近卡方分布,方便使用．     

线性过程误差下部分线性回归模型的经验似然推断

考虑线性过程误差下的半参数回归模型,研究了回归参数的经验似然推断,证明了所提出的经验对数似然比渐近于卡方分布,由此可以构造回归参数的置信区间.     

时间序列分析的历史发展

阐述了时间序列分析的发展历程：早期自然科学主要应用单纯的描述性分析;差分、指数和滑动平均等基本概念推动了统计性时序分析的发展;以Fourier级数为基础的周期图方法是频域分析的核心内容;时域分析经过了从AR（2）模型、AR（4）模型→AR（s）模型＋MA（h）模型→AR-MA（s,h）模型→ARIMA模型→ARCH、ARCH族模型的漫长过程.     

基于Attention机制的LSTM股价预测模型

针对时间序列分析方法和神经网络对于股价预测具有一定局限性的问题,将基于Attention机制的LSTM模型应用于股价预测;以2014-01-02—2020-09-22日的上证工业指数、上证环保指数等相关数据为样本,在LSTM模型中引入Attention机制,使模型聚焦于重要的股价特征信息,预测股票第二日的最高价;实证研...     

分数布朗运动与二元市场模型

证明了对于Hurst指数大于二分之一情形的分数布朗运动的Donsker型逼近定理,使用这种逼近,构造了一个弱收敛于Black-Scholes模型的分数模拟的初级市场模型,得到在此模型中存在着套利机会.     

由分数Brown运动驱动的EGARCH模型

针对传统EGARCH模型难以捕捉长记忆性的问题, 通过引入分数Brown运动提出一个fBm-EGARCH模型, 给出模型的二阶矩、 四阶矩及协方差函数性质, 并理论证明其长期记忆性. 数值模拟结果表明, 该模型不仅能准确捕捉短期波动, 还能反映长期记忆性, 从而验证了模型的有效性.     

基于价格的产品质量损失建模与分析

产品价格既是制造销售商与用户双方利益平衡的反映,也是双方对产品性能、质量的综合认识,可以直接用于度量产品上市后给社会带来的损失.基于此观点,提出了一种分段线性质量损失模型(以下简称为价格模型).以某型号微电机的铁芯外径为例,深入探讨该模型中的重要参数对铁芯质量损失的影响,并通过与田口质量损失模型对比分析,得出价格模型比田口模型更加符合实际.该模型为产品的公差优化设计提供了条件,丰富了质量损失领域的内容.     

部分线性模型的adaptive group lasso变量选择

对部分线性模型的aglasso(adaptive group lasso)参数估计及变量选择问题进行研究.通过构造aglasso的估计函数,将分组部分线性模型变量的选择问题转化为分组因子的选择问题.理论研究表明:该方法能相合地识别真实模型,并且估计具有oracle性质.最后通过模拟研究了所提方法的有限样本性质.