排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
针对时间序列数据预测过程中可能面对高维或超高维的预测变量,同时考虑变量的时序特征及预测的非同步性,提出用于时序数据预测的非同步尺度主成分分析方法。首先构建单个预测变量和被预测变量的非同步线性回归,通过可决系数选取单变量的最佳滞后阶数,并将回归系数赋权与相应的预测变量得到赋权预测变量,并通过主成分分析对赋权预测变量降维,即非同步尺度主成分分析。将该方法用于消费者物价指数增长率的预测,结果表明经非同步尺度主成分分析降维的预测精度高于传统降维预测的方法。 相似文献
2.
通过比较实证资产定价中Fama-MacBeth横截面回归和组合水平分析中的四类常见t检验统计量,发现White异方差调整的t统计量与普通t统计量一致,且是一阶自相关系数调整的t统计量和Newey-West t统计量的特例。通过组合水平分析发现约84.1%的序列存在显著的一阶自相关系数,因此使用自相关性调整的t统计量是必要的;通过比较各序列的普通t统计量值、Newey-West t统计量值和一阶自相关系数调整的t统计量值发现NeweyWest t统计量用于Fama-MacBeth横截面回归和组合水平分析所得结论更为精确。 相似文献
3.
在Geweke(1986)和Pantula(1986)提出的Log-GARCH模型及Nelson(1991)提出的EGARCH模型的基础上,提出了非对称Log-GARCH(Asymmetric Log-GARCH)模型,该模型不仅考虑了信息非对称效应,和EGARCH模型相比,在重尾误差下更容易得到准极大似然估计,最后文章还给出了估计的渐进性质. 相似文献
1