具有 TARCH-Skew-t误差项时序的ADF单位根检验

随机模拟了有限样本情况下具有TARCH-Skew-t误差项时间序列的ADF单位根检验.在数据生成过程为AR(1)-TARCH-Skew-t时,分析了样本容量、条件分布中参数的变化和反映信息非对称性参数的变动对临界值的影响.结果显示,只能直接使用zt统计量的Fuller临界值表.     

具有GJR-GARCH-skewt误差项时序的ADF单位根检验

本文在有限样本情况下，用Monte Carlo方法模拟了具有GJR—GARCH—skewt误差项时间序列的ADF单位根检验．分析模型中误差项的波动、条件分布中参数的设定、样本容量及杠杆效应对临界值的影响．结果显示．随着波动的持久性加强，使用经典ADF单位根检验的Zi、ZpFuller临界值将降低检验的有效性．     

具有GJR-GARCH误差项时序的ADF单位根检验

在有限样本情况下，随机模拟了具有GJR-GARCH误差项时间序列的ADF单位根检验，分析了样本容量、扰动项高阶矩的存在性、肥尾和杠杆效应对临界值的影响．结果显示，条件分布为广义误差分布和t分布时，只可以直接使用zt统计量的Fuller的临界值表．     

具有GARCH(near-IGRACH)-normal误差项时序的ADF单位根检验

在有限样本情况下,随机模拟具有GARCH(near-IGRACH)-normal error的ADF单位根检验,分析了两种数据生成模型下不同显著水平对临界值的影响.结果表明:随着显著性水平值的下降,相应的临界值绝对值变大了,特别是使用Zρ检验统计量时,对应的size distortion越来越严重,对高频金融时序进行单位根检验时,选择Zρ或Zt统计量需要进行一个权衡.     

具有EGARCH-SGED误差项的时序的单位根检验

在有限样本情况下通过随机模拟讨论了对具有EGARCH-SGED误差项的ADF单位根检验,分析了模型的滞后阶的设定、样本容量、参数变化对临界值的影响.     

关于两个正态总体方差齐性F检验一个注记

在方差齐性的F检验当中,经常遇到作出了原假设后怎样确定拒绝域的问题,本文主要讨论了单侧检验情形下确定拒绝域的问题。     

常用统计检验方法模型研究

学生在进行最佳方案设计时,常常用到统计知识,对质量检测、评估时用到检验方法。统计检验方法是从局部观测资料的统计特性,来推断随机现象整体统计特性。本文就常用统计检验方法的不同模型,结合实例进行了研究。     

基于ESTAR模型的单位根检验——Wald统计量的研究

已有的基于ESTAR模型的单位根检验通常假设α=0,但实践研究表明α显著。对α≠0的情况进行单位根检验,研究该情形下的Wald检验统计量。从理论上推导了Wald检验统计量的极限分布,并通过Monte Carlo随机模拟,结果表明该统计量有效。     

均匀分布下的异常数据检验

针对样本数据服从均匀分布时,样本中出现异常数据的检验问题,利用假设检验的基本原理和方法,在顺序统计量的基础上构造了检验功效较好的检验统计量,研究了均匀分布下的异常数据检验.根据顺序统计量的一些分布性质,推导出检验统计量的精确概率分布;在此基础上,利用Matlab数值计算得出检验统计量的检验临界值,编制成表便于使用;将检验统计量与Dixon型统计量进行功效比较,表明新的检验统计量功效更好.     

带GARCH误差项非线性ESTAR模型的单位根检验

探讨带GARCH误差项ESTAR模型的单位根检验。将KSS型检验统计量表示成自标准化部分和的形式,从而推导出在有均值和无均值2种情况下该统计量的渐进分布。通过蒙特卡罗模拟,对误差项为GARCH过程和独立同分布的情况进行了临界值比较,进一步通过模拟发现在非线性平稳ESTAR-GARCH模型下,KSS型统计量比常规的DF统计量具有更高的势。     

时序非平稳性ADF检验法的理论与应用

数据非平稳问题是经典和非经典计量经济学的分水岭,在经典计量经济学领域内,假设变量是平稳的,因此不考虑变量的非平稳性,而实际上大多教经济数据又是非平稳的.研究表明,用非平稳变量进行回归分析降低了检验的功效,结果常常是虚假回归,所以对变量进行平稳性检验是避免虚假回归的前提.参数检验的ADF法作为常用的数据非平稳性的检验方法,有其自身的理论发展脉络和应用价值.通过对香港向内地输入的影响因素的分析,发现香港对内地输入与其影响因素--中国的GDP以及港币汇率均是I(1)变量,且三者具有协整关系而且是非线性函数关系.随着面板数据使用的增加,ADF检验法将逐渐更广泛地应用于面板数据的分析和检验过程申.     

基于优先级的单元测试技术应用研究

考虑到单元测试的并行性,提出了基于函数优先级的测试策略.分析了函数的参数、全局变量和局部变量对函数控制流正确实现的影响,建立了量化的权值影响因子数学模型,并结合函数的控制流图生成了带权值有向无环图,最后根据AOE-网关键路径求解算法,生成被测函数的关键路径,设计测试用例.测试结束之后,再进行次关键路径选择,直至达到测试标准.通过以上技术,合理分配各模块测试计划时间,有助于提高软件测试效率,保证软件质量.     

J1N统计量的优化计算

由于计算量巨大,小样本的计算一直是人们研究的问题之一.本文通过对统计量J1N两种算法的比较,指出优化后的算法比优化前的算法计算的速度明显提高.给出了优化的计算方法,并对两种方法进行了实验比较.     

鞅差时间序列的部分线性EV模型的小波估计

用小波方法研究了误差为滑动平均鞅差序列的部分线性EV模型,得到了小波估计量的矩收敛速度及强收敛性。     

动态误差时间序列小波神经网络预测模型

基于现代误差修正技术,研究小波神经网络建立的动态测量误差预测模型,以进行误差修正,提高动态测量精度,避免了传统神经网络需要人为干预网络结构参数的不足。文章介绍了建模方法,重点对大轴圆度误差测量过程中的动态测量数据进行实例分析,结果表明,该模型预测精度高,具有重要的应用价值。     

积单元神经网络预测噪声环境的混沌时间序列

用人工神经网络预测噪声环境的混沌时间序列是一个重要的问题,因为许多实际的时间序列数据都是含噪声的.提出一种利用积单元神经网络(PUNN)预测噪声环境的混沌时间序列的方法,它采用了粒子群优化器(PSO)训练PUNN网络.用所提方法对Lorenz混沌序列做了仿真实验,结果表明所提方法结构简单、泛化能力强,是一种有效的方法;当PUNN网络的输入节点数目为2或3时,预测精度更高,而且泛化能力也更强.     

漏缺数据平稳时间序列下的谱密度估计

在天文学和医学领域,非均匀抽样数据的谱什计已获得广泛研究.这些研究通常是在周期性的探测和决定性的信号环境里进行的.本文从另外的角度考虑估计漏缺数据平稳时间序列的谱密度,提出了一种渐近无偏的估计方法.使用模拟方法把它与古典周期图、LOMB周期图以及基于SVD的周期图进行对比,结果显示这种新方法很大程度上降低了偏差.     

误差为AR(1)情形的半参数回归模型拟极大似然估计的存在性

在误差为AR(1)时间序列的情形下,给出了半参数回归模型的拟极大似然估计方程,并研究了拟极大似然估计量的存在性。