关于股票数据波动性的多变点研究

目前对金融时间序列模型结构变化问题主要集中于对单变点的研究,但在许多情况下,金融数据可能出现多个变点,因此,对实际问题的研究需要检验多变点的存在,需要对变点的个数以及变点发生的时刻作出估计.本文讨论了股票数据均值的多变点检验问题.在原假设下给出统计量的极限分布及渐近临界值的解析表达式.并且在递归检验的过程中同时得到变点时刻与变点个数估计.最后用实例分析说明了方法的有效性.     

半参数方法对上证指数波动率的预测分析

根据金融时间序列一般都存在条件异方差性,本文研究了两种半参数时间序列模型的估计方法,通过实际算例对参数模型与半参数模型,以及不同的半参数模型在金融时间序列的拟合与波动率预测方面的表现作了比较。结果表明,半参数模型要优于参数模型,半参数可加模型要优于多项式样条估计模型。      

基于高阶累积量的线性化子波提取方法研究

在地震子波非因果、混合相位的假设下,分别应用滑动平均(MA)和自回归滑动平均(ARMA)模型对地震记录建模,并采用基于高阶累积量的线性方程法对子波提取和模型适应性进行了研究.数值仿真结果表明,ARMA模型比MA模型在描述地震记录时具有参数节俭、模型更为高效的特点;基于高阶累积量的线性方程法对加性高斯色噪声有较好的压制效果,却强烈依赖于累积量样本估计的准确性.如果累积量样本估计的误差和方差适度,结合AR-MA模型描述的累积量线性方程法适用于非因果、混合相位的子波提取,其有效性通过实际地震数据的处理得到了验证.     

分段平稳自回归过程的变点估计与模型选择——基于改进的自适应LASSO方法

针对非平稳时间序列中一类分段平稳自回归(PSAR)过程的变点估计和模型选择问题,在已有的将变点估计问题转化成变量选择问题方法的基础上,提出一种基于两阶段LASSO(TS-LASSO)算法同时进行变点估计和模型选择.具体地,在第一阶段中,通过LASSO算法对序列中的变点和模型进行初步的估计和选择,然后在第二阶段中结合改进的自适应LASSO算法对过估计的LASSO结果进行筛选,最终实现变点的一致估计和模型的准确选择.并对变点估计结果的大样本性质进行了分析.此外,对于特殊情形下的均值变化序列和无变点序列,TS-LASSO算法也能实现有效的估计和识别.最后,结合不同类型序列的模拟检验以及地震波数据的实例分析,证明TS-LASSO算法是有效的,并具有一定的实用意义.     

多维线性平稳时间序列AR(P)模型的识别与估计

在实践中,我们碰到须同时处理几个时间序列的问题,不仅要研究序列本身的性质,同时还要研究各序列之间的关系。这就提出多维线性时间序列的模型如何识别与估计的问题。本文是我们在学习有关资料的基础上,试图解决多维线性时间序列的模型的初步识别与参数的粗估计。     

分位点门限自回归时间序列模型的贝叶斯分析

本文运用贝叶斯方法研究了分位点门限自回归时间序列模型的估计和预测.通过将分位点回归的最优化问题转化为极大似然估计的问题,作者利用Metropolis-Hastings算法对模型中的参数进行了贝叶斯估计.同时作者将模型应用于上证综合指数的收益率的数据,得到了这一收益率的分位点估计.这一方法的优越之处在于它不需要对数据的分布作预先的假定.     

分位点门限自回归时间序列模型的贝叶斯方法

本文运用贝叶斯方法研究了门限分位点自回归时间序列模型的估计和预测. 将分位点回归的最优化问题转化为极大似然估计的问题,从而可以利用Metropolis-Hastings算法对模型中的参数进行Bayesian估计. 同时我们将模型应用于上证综合指数的增长率的数据, 得到了这一增长率的分位点估计. 这一方法的优越之处在于它不需要对数据的分布作预先的假定.     

无线传感网跟踪任务中的目标运动 模型估计与节点调度

在无线传感器网络进行目标跟踪的过程中,合理的节点调度算法可以兼顾跟踪精度和能量消耗,延长网络的使用寿命.然而,当目标运动模型未知时,难以实现高效的节点调度.为解决目标运动模型未知场景下的跟踪问题,本文将监控区域中的目标移动和传感器观测建模为隐马尔可夫模型(HMM),并提出了HMMQMDP算法,把问题分解为运动模型估计和节点调度两个阶段:运动模型估计阶段是根据传感器采集的观测序列估计目标状态转移概率;节点调度阶段则被建模为部分可观测马尔可夫决策过程(POMDP),综合考虑决策的短期和长期损失,应用QMDP算法近似求解优化策略.仿真结果表明:该算法可以根据观测样本有效地学习和估计目标运动模型,提升节点调度算法的效果.     

NGINAR(1)模型的Bayes估计及预测

先利用Bayes方法研究NGINAR(1)模型的参数估计问题, 再利用条件分布预测方法进行模型预测. 模拟结果表明, Bayes估计效果优于条件最小二乘估计和Yule Walker估计, 且条件分布预测方法比条件期望预测方法更适用于整数值序列.     

NGINAR(1)模型的Bayes估计及预测

先利用Bayes方法研究NGINAR(1)模型的参数估计问题, 再利用条件分布预测方法进行模型预测. 模拟结果表明, Bayes估计效果优于条件最小二乘估计和Yule Walker估计, 且条件分布预测方法比条件期望预测方法更适用于整数值序列.     

泊松INAR(1)模型参数估计方法的比较及其应用

探讨了泊松INAR(1)模型的参数估计.基于CLS估计方法,提出一种偏差修正CLS估计方法并分析了其大样本性质.随机模拟结果表明:与CLS估计和CML估计方法相比,偏差修正CLS估计方法可以有效减小参数估计的偏差.偏差修正CLS估计方法在有限样本下估计效果较好,同时计算过程简便,具有较高的实用性.最后,通过泊松INAR(1)模型对一组实际的整数值时间序列数据建模,利用偏差修正CLS估计方法进行参数估计,并对模型进行预测.     

误差是非参数AR(1)序列的变系数模型

利用局部线性方法给出误差序列{εi,1≤i≤n}是非参数AR(1)序列下的变系数模型系数函数的估计,并在此基础上研究了系数函数估计的相合性问题,给出了该模型系数函数估计是弱相合的.     

扩展噪声环境下基于UKF的非线性系统输入输出估计

在扩展噪声环境下基于UKF算法研究了非线性系统的输入输出估计问题,考虑到输入观测中存在时变过程和附加噪声的情况,处理了受噪声污染后的非线性系统输入输出序列的最优估计问题.在扩展噪声环境下分别设计了EIV模型滤波算法和UKF算法:EIV模型滤波算法是对噪声观测输入输出的最优估计,而UKF算法考虑了输入观测中存在噪声输入的情况,对噪声污染下的输入输出进行最优估计.通过算法的误差协方差阵对UKF算法进行了期望性能分析.Monte Carlo仿真结果表明,UKF算法使得系统达到期望最小方差估计的有效性.     

一类带有GARCH类误差项的自回归滑动平均模型

本文结合DAR模型及传统的ARMA-GARCH模型,提出一类带有新型GARCH类误差项的自回归滑动平均模型.该模型比DAR模型引入更多数据信息,同时定义一种由可观测序列驱动的新型条件异方差结构,比传统ARMA-GARCH模型的条件方差更易于估计.本文研究模型参数的拟极大似然估计,并在较弱矩条件下证明估计量的渐近正态性;...     

ρ混合序列权函数估计的渐近性质

为研究非参数回归模型中ρ混合序列权函数估计的渐近性质问题,在矩条件较合理的情形下,采用相依序列概率不等式以及截断的方法,获得了回归函数g(·)权函数估计的几乎处处收敛的强相合性;在矩条件和权函数条件较合理的情形下,利用相依序列概率不等式以及Bernstein大小分块和Lyapunov中心极限定理的方法,获得了回归函数g(·)权函数估计的渐近正态性.将其他相依序列下相应方法和结论推广到ρ混合序列.     

基于充电电压片段的锂离子电池状态联合估计方法

锂离子电池的荷电状态(SOC)、健康状态(SOH)和剩余使用使命(RUL)是锂离子电池安全稳定运行的重要状态参数,本文提出一种基于充电电压上升片段的锂离子电池状态联合估计方法,实现对电池预测起点(SP)到寿命终点(EOL)的较长运行周期内SOC、SOH和RUL的联合估计.该框架在充电阶段进行SOH和RUL估计,在放电阶段进行SOC估计.首先提取电池恒流充电电压曲线片段的上升时间作为健康特征(HF),以HF作为输入,循环容量作为输出,建立最小二乘支持向量机(LSSVM)电池老化模型,对当前健康状态进行估计;采用等效电路模型对该电压区段进行非线性拟合,用拟合参数建立状态空间模型,结合无迹卡尔曼滤波算法进行SOC估计;用高斯过程回归时间序列模型对电池的健康特征序列进行建模,通过循环次数外推预测健康特征的变化趋势,并结合LSSVM老化模型,对RUL进行预测并给出置信区间.实验结果表明,所提方法具有较高的估计精度和较好的稳定性.     

抗野值多速率模型及交互式多传感器状态融合

针对状态估计中野值问题进行研究.基于HongLong多速率模型,引入小波变换进行奇异值检测,在时频域将野值剔除;同时利用子波分解抽取多速率信息用以状态估计,从而建立了抗野值的多速率模型.该模型用于集中式多传感器IMM融合算法,形成抗野交互式多速率多传感器滤波算法.仿真结果证明了该算法对观测中的野值有良好的抗干扰性,并且通过抽取观测序列包含的多速率信息实现了对目标状态的精确估计.     

基因进化过程中核苷酸替代模型的比较分析

DNA序列中核苷酸替代数的估计是测定基因间进化距离的数学统计方法,是研究基因进化的基础.由于DNA分子包含多种序列区域等原因,核苷酸序列的替代模式比较复杂.最基本的核苷酸序列替代模型是p-距离模型J、ukes-Cantor模型、Kimura两参数模型.在此基础上衍生出其它一系列模型,如Tajima-Nei模型、Tamura模型、Tamura-Nei模型等.这些数学模型在拟合DNA序列进化的真实度时各有特点.这些模型中都假定各个位点的核苷酸替代速率一致,但实际情况并非完全如此,而是核苷酸的替代速率近似地遵循Г分布.     

地震资料去噪处理的振幅保真性分析

对地震资料的各种去噪处理方法进行了详细探讨,在此基础上应用各种处理模块对理论地震模型和实际地震记录完成了去噪处理.通过处理前后地震记录的对比、频谱分析、信噪比估计、目的层振幅变化和相关性分析,提出地震资料去噪处理的保真性分析方法,验证了地震资料去噪处理模块的可行性.     

基于高阶谱的地震子波估计

常规的地震子波估计是在假设子波为最小相位的基础上对地震记录进行处理.针对这一局限性,研究了基于地震记录高阶谱的地震子波估计方法.该方法无需对子波作任何假设,直接从地震记录的高阶谱中恢复地震子波的振幅谱和相位谱,进而重构地震子波,并对不同相位地震子波的理论模型和野外实际资料进行了处理,结果表明这一方法对于提高地震资料的分辨率具有可行性和应用潜力.