季节虚假回归中参数及统计量的分布特征

实际应用中,通常在回归模型中添加季节虚拟变量来消除季节性的影响,但是当数据生成过程是独立的季节单位根情形下会导致虚假回归现象的发生.本文利用泛函中心极限定理推导出回归参数及相关统计量的渐近分布,从理论上解释了季节虚假回归问题产生的根源.并且,采用蒙特卡罗方法模拟了回归参数及相关统计量的分布特征.最后,通过与非季节情形进行了比较,发现此时R2和DW统计量不再能有效识别普通最小二乘回归中的“季节虚假回归”现象.     

一种基于残差熵的动态模型检验方法

针对时间序列的模型检验与定阶问题,构造了一种新的统计量“残差熵”。该物理量融合了随机序列的相关性和信息论中信源熵的思想,综合反映了残差中所残留的信息量。在正态假设的基础上推导了模型“残差熵”的估算公式,并给出了具体的应用方法。实例计算表明:“残差熵”可用于模型的检验和定阶,极小化残差熵是一种有效的模型检验准则,并与经典的模型检验准则做了性能比较。     

基于主趋势辨识和智能残差修正的股指时间序列预测

针对股指时间序列存在信噪比低、干扰因素多、随机波动强的特点,提出一种基于主趋势辨识和智能残差补偿的股指序列预测方法。一方面利用奇异谱分析方法对股指时间序列重构,提取股指时间序列的主要趋势,采用自回归方法实现对主趋势的辨识;另一方面将主趋势模型与实际股指时间序列的残差,采用GA-SVM算法对残差进行学习,所得结果对自回归模型进行修正。实证分析结果表明,采用本文算法能够有效的将预测精度控制在7%以内,同时与灰色预测算法以及神经网络算法相比,在RMSE、MAPE和F三项指标,占有一定的优势,从而提供了一种新的分析股指时间序列的有效途径。     

基于小波分解和残差GM(1,1)-AR的非平稳时间序列预测

提出基于二进正交小波变换和残差GM(1,1)-AR方法的非平稳时间序列预测方案.首先利用Mallat算法对非平稳时间序列进行分解和重构,分离出非平稳时间序列中的低频信息和高频信息;然后对高频信息构建自回归模型,对低频信息则用灰色残差模型进行拟合;最后将各模型的预测结果进行叠加,从而得到原始序列的预测值.该方法不仅能充分拟合低频信息,而且可避免对高频信息的过拟合.实验结果表明,这种方法比传统的非平稳时间序列预测方法具有更高的预测精度.     

非平稳时序分析在GPS伪距观测值建模中的应用

伪距观测值的仿真建模在GPS系统分析、误差消减等方面有很广泛的应用,原有的一些建模方法得到的仿真结果误差不能满足特定应用的需要.为此,提出了一种利用非平稳时间序列分析的方法,以达到减小仿真误差的目的.该方法通过对实际采集的GPS伪距数据的特征进行分析,采用自回归-求和-滑动平均(ARIMA)模型建模,并运用逆函数法对模型参数进行估计,最后通过Matlab编程进行了仿真,仿真结果表明利用该统计模型得到的仿真伪距与实际测量值的误差不超过3米,得到了较为满意的效果.     

平滑转移模型线性检验的可靠性研究

提出了将自助法(bootstrap)的不同变体应用于平滑转移自回归模型的线性检验,并通过蒙特卡罗实验分别考察其在误差项独立同分布和存在序列相关时的有限样本性质.重点研究了非线性参数和序列相关系数对检验水平和功效的影响.实验结果表明,基于自助法的线性检验在各样本容量下都具有更高的功效,并且可以很好地纠正基于极限分布理论的LST统计量的水平扭曲.本文还详细介绍快速了两阶段自助法(FDB)的基本思想和实现方法,模拟实验证明它比基本自助法具有更好的稳健性和收敛性.     

结构VAR模型辨识的条件互信息图模型

在结构向量自回归(VAR)模型辨识的图模型中引入信息论方法.定义了线性条件互信息图,图中的结点表示时间序列不同时刻的随机变量,结点间的边表示随机变量之间存在的因果相依关系.提出了随机变量之间条件线性联系存在性的信息论检验方法.图中边的存在性用基于线性条件互信息的枢轴量检验,枢轴量的显著性用置换检验决定.用统计分析的方法确定当前变量之间联系的方向,建立了有向非循环图.最后以模拟序列为例,验证了所提出的方法是可行且有效的.     

基于HAC估计视角的格兰杰伪因果关系检验

研究发现相互独立的弱平稳过程之间会产生伪因果关系, 经传统HAC法修正的Wald统计量甚至存在更高的伪因果关系概率. 文章认为数据过程的长期方差是发生伪因果关系的深层次原因, 通过改进传统HAC法的截断参数, 能获得格兰杰因果关系检验统计量(Wald)的不依赖于冗余参数的极限分布. 针对设定各种弱平稳过程并利用模拟技术, 研究发现新的Wald^*统计量大大减少了发生伪因果关系的概率, 并且对于数据过程持久性和样本容量是稳健的, 但是存在一定的检验水平扭曲.     

基于动态分位点回归模型的金融传染分析

金融危机传染检验一直是国际金融研究中的重要问题,大多数传染效应存在性的检验采用相关性方法.本文应用动态平滑数系数分位点回归模型研究不同国家股票市场之间的分位点相关关系,通过系数函数的变化趋势对危机传染问题进行检验和预测.其中在对参数函数进行非参数估计时,应用局部线性回归方法.为了分析亚洲金融危机期间的危机传染问题,对亚洲几个相关国家的指数数据进行了实证分析,实证结果发现,通过分析常数项函数以及系数函数的变化趋势,不仅可以对危机传染问题进行检验,还可以对金融危机传染的发生时刻以及金融危机的缓解时刻进行相应的分析.     

ARMA供应链模型研究

在基于ARMA时间序列的需求和目标库存最大策略的假定条件下,建立了供应链系统模型。利用时间序列分析方法推导了库存序列、订货序列和库存残差序列的方程表达式,证明库存序列、订货序列和库存残差序列同样为ARMA时间序列,自回归和移动平均的阶数依赖于需求时间序列的阶数和提前期的大小,且订货序列和库存残差序列的自回归部分与需求的自回归部分相同。     

我国通货膨胀的混合回归和时间序列模型

回归模型的残差项反映了对被解释变量有影响但未列入解释变量的因素所产生的噪音 ,这部分噪音可由时间序列模型进行拟合 .本文对通货膨胀建立了一个混合回归和时间序列模型 ,并将该模型的预测结果与单纯用回归模型的预测结果进行了比较.     

时变弹性系数生产函数的非参数估计

提出了时变弹性系数生产函数模型,该模型刻画了弹性系数不再是常数而是随时间变化而变化的函数,并且去除了古典生产函数模型的两个不合理的假设,即所提出的模型释放了技术进步是中性的以及技术进步与投入要素投入量变化是独立的两个假设,从而使所提出的模型更加符合实际应用的情况.文中通过现代统计学中的非参数推断方法,研究了时变弹性系数生产函数回归模型, 利用局部多 项式回归方法,给出了时变弹性系数函数的局部线性加权最小二乘估计.根据广义似然比检验,检验了弹性系数的时变性.结合中国的实际例子, 通过实证得出,在1981年到2004年期间, 中国的资本和劳动产出弹性都不是常数而是时间的非线性函数.资本产出弹性在0.21至0.68之间, 劳动产出弹性在0.44至0.89之间,规模报酬在0.89至1.14之间.     

基于小波变换的轨道摄动时间序列建模及仿真

卫星摄动分析是卫星定轨的关键。卫星摄动变化规律复杂,直接影响定轨精度和计算效率。在摄动力分类和轨道摄动偏差统计分析的基础上,给出了一种基于小波变换的卫星轨道摄动时间序列分析建模方法。研究了基于小波变换的卫星轨道摄动偏差特征提取方法,能够对轨道摄动偏差做出很好的预测和噪声平滑;采用时间序列分析方法,构造了摄动偏差残差的统计模型;建立了基于卫星轨道摄动偏差残差AR（2）平稳时间序列表示的稀疏参数化卫星摄动的精确模型,达到对卫星轨道进行有效预测的目的。     

春节模型的效应期识别方法研究

春节模型的参数设定目前更多依赖于研究者的主观判断.为解决这一问题,本文首先介绍了春节因素调整的一般过程以及模型设定和检验的相关细节.在此基础上,提出一种基于"循环遍历"方式和序贯检验方法来自动选择春节模型的最优参数组合的新思路.并以社会消费品零售总额月度序列的春节模型的最优效应期长度识别为例,检验该方法的可行性和有效性.实证结果显示,基于季节峰值、离群值点、Q统计量、AICC值和BIC值等统计量的序贯检验能够有效识别出春节模型的最优效应期长度,进而改善春节模型的季节调整性能.     

混合自回归滑动平均模型———MARMA

提出一类新的用于非线性时间序列建模的混合自回归滑动平均模型(Mixture autoregressive movingaverage model简记MARMA).该模型条件分布富于变化的特点使得它能够描述非对称、多峰、以及条件异方差等非Gauss特征.研究得到了MARMA模型的平稳性条件和自相关函数.利用BIC(Bayes informationcriterion)准则来选择模型.运用EM(expectation maximization)算法估计模型的参数.将MARMA模型应用于一组金融数据,并和其它模型做比较.结果表明MARMA模型能够更准确地描述该数据的特征.     

汇率时间序列非线性特征分析及实证研究

为了更好地描述汇率行为特征,改善对其的短期预测能力,本文分析汇率时间序列的非线性依赖性.通过正态性检验和BDS统计检验,实证研究6种货币兑美元日汇率序列的非线性依赖性;在确定存在非线性依赖的基础上,对子样本序列及标准化序列进行BDS检验,试图确定非线性依赖的来源.结果表明,除欧元外其余5种货币兑美元的汇率序列均存在非线性依赖特征,其形式可能是混沌.     

修正的KSS检验及其对中国通货膨胀率的应用

Kapetanios等~([1])提出在指数平滑转换自回归(ESTAR)模型框架下进行单位根检验.他们的检验是基于误差项为独立同分布的强假设下得到的,该假设在现实中很难成立.当误差项为平稳弱相依时,该检验统计量的极限分布包含冗余参数.通过构造修正的KSS检验,得到了不包含冗余参数的检验统计量.蒙特卡罗模拟结果表明该修正的统计量大大减少了序列相关性带来的水平扭曲(size distortion),且该检验统计量对于非线性平稳过程的检验功效高于PP检验.将该检验用于中国的通货膨胀率,发现它存在着一个单位根,是非平稳过程.     

基于T检验的水文时间序列HHT分析方法及应用

Hilbert-Huang变换方法(HHT)是针对非线性、非平稳序列的一种新的时间序列分析方法.针对前人在应用中存在的忽略统计检验的问题,提出了对本质模态函数(IMF)的周期进行T检验的改进方法,设计了基于T检验的HHT模型计算步骤和算法流程,可检验IMF周期的有效性.将改进后的HHT方法用于长江宜昌水文站50年的逐日径流量的分析中,得到了14个反映径流序列波动规律的IMF、一个反映径流变化趋势的趋势项r及Hilbert谱.研究表明,宜昌站径流量存在1~3a、4~5a、9a及准14a的年际变化周期,年内波动对整个径流序列的影响亦较大.对比分析表明了所设计的基于T检验的HHT方法的有效性.     

时空地理加权回归模型的时空非平稳性检验

针对时空地理加权回归模型,通过时空加权距离构造权重矩阵,采用地理加权拟合技术得到回归系数的逐点估计. 构造合适的统计量对回归系数进行关于时间和空间的非平稳性检验,利用三阶矩χ²逼近方法计算检验的p值. 最后,模拟算例和实际例子都说明该检验方法的有效性.     

基于MRS-EGARCH模型的沪深300指数波动预测

提出了一种新的马尔可夫机制转换EGARCH模型,假定收益残差序列可以服从高斯分布、t-分布或广义误差分布,并允许非高斯分布中自由度与所处机制有关,以刻画可能存在的时变峰度及厚尾特征.以沪深300指数为例进行实证研究,发现新模型能区分隐藏在指数收益序列中的不同机制.预测成功率指标表明设定收益残差服从厚尾分布的MRS-EGARCH比单机制EGARCH具有更好的波动率预测性能.