排序方式： 共有3条查询结果，搜索用时 31 毫秒
1
1.
混合自回归滑动平均模型———MARMA 总被引：4，自引：0，他引：4
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. 相似文献
2.
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. 相似文献
3.
一类股市波动性预测模型的多变点检验 总被引：4，自引：0，他引：4
讨论了一类股市波动性预测模型的多变点检验问题.基于累积和(CUSUM)统计量,提出一种新的波动性预测模型多变点的拟似然比检验,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.多变点的递归检验是本文的一个主要方面,即在检验时允许原假设含有变点,备择假设比原假设多一个变点,并在递归检验的过程中同时得到变点时刻与变点个数的一致估计,因此为处理含多变点的金融数据时确定变点个数提供了一种建模策略.数值模拟与实例分析说明了方法的有效性. 相似文献
1