单变量时间序列模型识别方法的实证研究

时间序列分析就是通过研究时间序列中数值上的统计关系,来揭示系统的动态结构特征及其发展变化规律,是一种重要的现代统计分析方法,广泛地应用于自然领域、社会领域的科学研究和思维。在时间序列变量建模的过程中,一般分为模型识别、模型估计和诊断以及模型预测三个步骤,其中模     

多变量时间序列模型识别方法

模型识别是建立时间序列模型的基础,是模型预测成败的关键。本文介绍了五种多变量时间序列模型识别的方法,分析了每种识别方法的输出形式,最后利用SAS统计软件对多变量时间序列模型的识别进行实证研究。     

空间自回归模型及其估计

一、概述在经济问题研究中,处理的数据分为时间序列数据、截面数据以及截面时间序列数据(paneldata)。应用回归模型研究变量之间的关系时,假设模型满足Gauss_Markov条件,当研究的数据是时间序列时,通常会存在序列相关,针对这类数据的问题可以结合时间序列分析的方法加以处理;如     

空间统计方法在社会福利分析中的应用

在研究经济问题时,处理的数据大多是时间序列数据,对这类数据的分析采用的是时间序列分析方法,较少进行空间分析,建立的模型也是以时间序列为主。虽然这种以时间序列数据为对象进行分析、研究问题的方法能够反映一定的经济问题,但是往往会掩盖空间的差异。因为我们生活在由时间     

运用空间统计方法分析我国社会福利的有关问题

在研究经济问题时,处理的数据大多是时间序列数据,对这类数据的分析采用的是时间序列分析方法,较少进行空间分析,建立的模型也是以时间序列为主。虽然这种以时间序列数据为对象进行分析、研究问题的方法能够反映一定的经济问题,但是往往会掩盖空间的差异。比如一个问题从时间序     

人均GDP与各产业之间的时间序列分析

文章收集了1980—2010年我国第一产业增加值、第二产业增加值、第三产业增加值和人均GDP的时间序列数据，利用最小二乘法以及统计软件Eviews进行时间序列建模。实证分析结果显示：（1）模型整体效果很好；（2）随机误差显著地存在异方差；（3）随机误差项存在正的一阶正相关；（4）存在滞后一期的自回归模型。     

基于 MGARCH 模型的 La-ES 算法研究

在经济时间序列中,表征时间序列的量在经济上往往是相互影响、相互决定的,如果用矢量自回归对这种关系进行建模,则残差的平方表现出显著的序列相关性。MGARCH同时对多个时间序列进行建模,不但能够对其中单个时间序列的异方差性进行建模,而且还能对时间序列之间的动态关系进行建模。本文研究了基于MGARCH模型解决La-ES算法及去除La-ES计算中出现的序列相关性问题。     

基于小波分解自回归模型的CPI预测

文章利用小波分析与自回归模型相结合的方法来建模分析时间序列,这种方法主要是在尺度函数逼近和自回归模型的基础上建立的。小波分析提供了一种多尺度函数逼近的方法,而自回归模型能够预测时间序列。文章的对CPI序列进行了离散小波分解,并重构得到了尺度序列和每层的细节序列;然后分别对其建立自回归模型并预测每个序列的下一个值,将得到的预测值相加得到了CPI预测值,再用预测值,利用建立的模型进行预测;最后,用标准差来衡量估计量的好坏。     

短非平稳时间序列TVAR模型参数PLS估计方法

文章针对短非平稳时间序列TVAR模型的参数估计问题,探讨了一种TVAR模型参数偏最小二乘回归分析方法;通过某飞行器时变机电系统的电压输出序列对本文方法进行了建模实验。实验结果表明:与传统的TVAR模型参数估计方法相比,PLS方法克服了短时间序列所带来的参数估计精度降低的问题,参数辨识精度更高。     

关于对时序模型定阶方法的研究

目前时序模型的理论研究和应用都十分活跃,在所有利用时序模型进行时间序列分析与预测模型当中,以移动平均ＭＡ（ｑ）,自回归ＡＲ（ｐ）和混合自回归移动平均ＡＲＭＡ（Ｐ,Ｑ）模型为最常用,而建立时序模型最为关键的、也比较困难的是确定模型的阶数。本文是对国内外各种文献中的时序模型定阶方法进行系统的归纳分类整理、比较分析、优劣评价及其适用条件与场合的研究。　　一、基于相关分析确定模型阶数的方法　　１利用样本自相关函数ρｋ和样本偏自相关函数φｋｋ的截尾性来判定模型的阶数ＢｏｘＪｅｎｋｉｎｓ提出使用样本…     

非等间距GM(1,1)模型时间响应函数的优化

文章以序列间距为乘子,建立了非等间距GM(1,1)模型;根据一次累加序列的观测值与模拟值的残差平方和最小的条件,构建了非等间距GM(1,1)模型的时间响应函数的优化模型.实例计算表明,该模型具有较高的模拟和预测精度.     

中国国防费时间序列预测模型的建立

时间序列模型(ARMA)是一种精度较高的短期预测模型.本文综合运用B-J时间序列建模方法,对中国国防费时间序列平稳性进行了判别;利用单位根方法检验了时间序列的单整阶数;利用自相关函数和偏自相关函数判别了时间序列模型的自回归阶数(AR(p))和移动平均阶数(MA(q));最后利用Eviews统计软件建立了合适的中国国防费时间序列模型,并进行了分析和预测.     

灰色GM（1，1）模型中参数估计的几种方法比较

文章介绍了灰色GM（1,1）模型中参数估计的最小二乘准则、全最小二乘准则、最小一乘准则和折扣最小一乘准则,并指出了它们的优缺点。将这四种方法分别用于递增序列、递减序列、振荡序列的灰色GM（1,1）模型参数估计中,并通过优化软件LINGO计算出相应的参数。最后,对建立的灰色GM（1,1）模型的精度进行了比较,结果显示：最小一乘准则和折扣最小一乘准则模型参数估计明显优于最小二乘准则、全最小二乘准则模型参数估计。     

多变量自相关控制图在货币政策预警监控中的应用

质量管理理论中的控制图通常都是对质量过程进行监控的。文章将多变量自相关控制图首次引入货币政策效果的监控中,对我国货币政策的执行效果进行预警控制,结果表明我国货币政策经常出现失控状况;文章还分析了影响货币政策稳定性的因素,并针对失控的原因提出了相应的政策建议,为货币政策等金融领域的多变量时间序列数据提供了预警监控的另一种途径和方法。     

浅谈时间序列发展史

第二次世界大战之后，电子计算机技术的迅速发展，为时间序列分析的建模和预测提供了强有力的工具，尤其是自美国著名的统计学家博克斯和英国的詹金斯于1968年在理论上提出了"整套的随机时间序列的模型识别、参数估计和诊断检验的建模方法，并于1970年出版了专著《时间序列分析──预测与控制》之后，时间序列的应用已深入到许多行业和领域。我国时间序列引人较晚，许多人还较为陌生。本文将谈谈时间序列的发展史，以便人们对其有更深入的了解。西方统计学家认为，影响经济现象变动的原因主要有四种，即：反映人口、资本、技术等变化的长期…     

中国人均GDP(1952-2002)时间序列分析

时间序列是按照时间顺序取得的一系列数据.大多数的经济时间序列存在惯性,或者说是迟缓性,通过对这种惯性的分析可以由时间序列的当前值和过去值对未来值进行预测.分析时间序列的方法有很多,本文主要讨论用伯克斯-詹金斯(Box-Jenkins)模型对中国人均国内生产总值时间序列进行建模和短期预测.     

时间序列的分频与建模

文章采用分频方式分析时间序列并为时间序列建模,首先对时间序列做离散余弦变换,用低频变换系数重构出时间序列的低频分量,而剩余的高频部分则采用时滞自相关分析方法确定模型结构。针对股票多年日收盘价所作仿真试验证明,该时间序列建模方法是有效的,模型比较好地刻画了时间序列的变化规律。     

监测SPC/EPC整合过程的残差控制图研究

针对SPC/EPC整合中的自相关问题和窗口问题,在分析整合监测规律的基础上,构建了SPC/EPC整合过程的AR(3)时间序列模型,并分析了模型的稳定性条件,构建了监测整合过程的残差控制图,通过仿真比较实验表明:该方法与常规控制图相比能准确监测到异常扰动的发生并能解决窗口问题.     

多变量混沌时间序列的最小二乘支持向量机预测

文章根据多变量混沌时间序列的相空间重构理论,建立了多变量时间序列的最小二乘支持向量机预测模型.通过Lorenz系统和中国股市的股票价格序列对该模型进行了验证,结果表明该预测模型能精确地预测混沌时间序列,并且优于基于单变量时间序列的最小二乘支持向量机预测模型.     

基于Markov切换模型的中国CPI指数波动特征分析

文章引入Markov切换模型探讨中国CPI指数波动的持续性、波动幅度以及波动频率等特征.通过ADF方法和JB统计量检验CPI时间序列的平稳性和非对称性,通过CUSUM方法检验时间序列的机制转移特征,采取极大似然估计方法确定Markov切换模型的相关参数.结果表明,CPI时间序列的低波动性持续的时间最长,并且三种波动状态之间的切换主要集中于低波动状态和高波动状态之间;CPI时间序列的波动主要稳定于低波动率,并且存在明显的“聚集波动”和“分段波动”现象.