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。     

平稳时间序列模型的结构判定

本文提出一种平稳时间序列模型结构判定的新方法。判定模型结构优良度的依据是残差的相关性以及参数估计的精度。利用信息熵的概念,文中建立了衡量残差相关性的度量函数。为了度量参数的精度,引入费歇尔信息矩阵的纯量函数,并导出了信息矩阵计算的数值方法,最后,列举了一些数字仿真的例子,以说明本文所提出的方法的有效性和实用性。     

时间序列AR模型参数的积分求解法

基于对时间序列实质的分析，提出了旨在减少序列的随机误差影响以及提高拟合精度的ＡＲ模型参数的积分求解法，重点讨论了ＡＲ（１）模型及ＡＲ（ｐ）模型参数的积分求解法，并与最小二乘法在计算机上进行了仿真比较，结果表明，有用积分求解法所得ＡＲ模型参数的估计精度比最小二乘法的高。     

基于季节性AR(P)模型的水质预测

自回归模型的建立是基于序列平稳性的假设,只能描述平稳序列的统计特性,而水质的月监测数据序列往往具有季节性变化的现象.文章介绍了平稳过程的相关理论及其检验方法并应用到黄河潼关、三门峡断面的水质序列的检验中,检验结果为非平穗序列,且序列具有明显季节性(月份)变化的特性。为此尝试建立季节性AR (P)模型来捕捉黄河水质的季节性变化规律,实践表明该模型预测总体效果是较为满意的。     

时间序列AR模型参数的积分求解法

基于对时间序列实质的分析，提出了旨在减少序列的随机误差影响以及提高拟合精度的ＡＲ模型参数的积分求解法．重点讨论了ＡＲ（１）模型及ＡＲ（ｐ）模型参数的积分求解法，并与最小二乘法在计算机上进行了仿真比较．结果表明，采用积分求解法所得的ＡＲ模型参数的估计精度比最小二乘法的高．     

线性平稳时间序列的自相关分析(续)

4 样本值的一致收敛速度在这一节里,我们主要讨论样本自协方差函数??(k)向γ(k)的一致强收敛的速度.而其它两种样本值的同类问题将随即获得解决. 所谓??(k)的一致收敛速度,即指寻求统计量     

关于双线性时间序列模型的平稳可逆条件

本文主要讨论双线性时间序列模型的平稳性与可逆性。对于一般的双线性时序模型,我们给出了平稳与可逆的充分条件。     

无信息先验下平稳AR(1)模型的贝叶斯推断

研究AR(1)时间序列模型在平稳条件下的贝叶斯推断理论,构造了模型自回归系数和尺度参数的无信息先验分布,推导得到了其后验分布、后验均值、众数、中位数、分位数和最大后验区间估计,最后对几组仿真数据进行了贝叶斯分析.     

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.     

基于非平稳时间序列的VAR模型实证分析

通过中国统计年鉴及互联网相关数据平台收集我国1952年至2008年国内生产总值(GDP),从业人员(E)及国内资本形成总额(GCF)的官方数据,通过使用非平稳时间序列建立向量自回归模型(VAR模型).数据处理过程主要包括两个重要分析结果:(1)根据Johanson协整检验分析变量的长期均衡关系;(2)利用误差修正模型V...     

基于时间序列中AR（p）模型的风险模型研究

本文在引入时间序列中的AR(p)模型后,在保单的保险费随机收取并且满足AR(1)模型的条件下,研究了风险模型的调节系数和破产概率,推广了文献[3-4]的结论。     

时间序列分形特征的判别

研究了判断时间序列是否具有分形特征的几个参数：庞加莱映射,李雅普诺夫指数,关联维数,功率谱及赫斯特指数,分析了它们各自的优缺点。认为：在已知动力学系统时,使用庞加莱映射和李雅普诺夫指数就能准确地判断该时间序列是否分形;在不知道动力学系统时,使用功率谱及赫斯特指数更好些。最后给出了分形在时间序列分析中适用的场合。     

基于(残差)Auto-Regressive模型利用MATLAB解决经济非平稳时间序列的预测分析

利用(残差)Auto—Regressive模型对我国1978年—2005年的GDP进行建模与预测,显示出该拟合模型优于ARIMA模型,并运行MATLAB软件,实现了建模仿真的全过程,显示了MATLAB的强大科学计算与可视化功能.     

关于多维时间序列AR(p)模型的最小二乘估计及若干平稳性的探讨

本文给出了多维时间序列AR(p)模型的最小二乘估计,并对若干平稳性进行了探讨。     

多维平稳时间序列二阶矩的性质

讨论了多维平稳时间序列均值向量和协方差函数的极限性质,并在多维移动平均(VMA)情况下,给出了最佳线性预报的误差估计.     

非平稳时间序列的线性预测

本文研究非平稳正态时间序列的线性预测问题。导出非平稳正态序列的递推预测-平滑公式。对于讨论同一问题的某些文献的结论进行了分析,指出该文的结论对非平稳序列并不适用。     

AR(p)序列的一种判定方法

对实际应用中常见的时间序列——AR(p)序列,运用零均值平稳序列偏自相关系数的递推公式、差分方程以及代数学的相关知识,从序列的偏自相关系数层面给出了判定时间序列为AR(p)序列的一种理论方法,在此基础上可用成熟的AR(p)序列的分析方法预测该序列未来走势.     

一种用于时间序列AR模型在线辨识的阶估计准则

用系统可观测输出与模型输出的方差作为最小方差指标函数，根据噪声的遍历性导出一种实用指标函数，给出了阈值计算公式及适用于在线建模的递推的阶估计准则。     

平稳随机时间序列的状态空间建模

在已知平稳随机时间序列样本数据的情况下,论述了如何采用正交投影算法和正交奇异值算法建立随机时间序列的状态空间模型和状态矢量估计,这种数学建模方法对于船舶机舱中的系统数学模建有很大的帮助。