隐非齐次马尔可夫多元线性回归模型及其贝叶斯估计

隐马尔可夫模型对于异质纵向数据的处理有良好的效果,因此被广泛应用于工程技术、生物医学、经济管理等领域。文章引入了一种特殊的非齐次隐马尔可夫状态转移方式,并将其与经典的多元线性回归相结合,提出了隐非齐次马尔可夫多元线性回归模型,介绍了对该模型进行贝叶斯推断的方法原理和技术细节。最后,通过两个模拟实验说明了推断方法的结果是可靠的。     

基于贝叶斯向量自回归方法的钢材消费量预测

针对我国工业化和城市化进程加快发展、钢材表现消费量持续上升的客观现实,文章构建了包括GDP、城镇固定资产投资、广义货币供应量和钢材表观消费量的贝叶斯向量自回归钢材表观消费量预测模型,实证结果表明,BVAR(2)模型能较好地预测我国月度钢材表观消费量,其短期预测能力优于常用的ARIMA模型,同时,GDP增速的上涨对未来我国钢材表现消费量将产生较大的持久拉动作用;广义货币供应量增速的上涨会对其产生短暂的拉动作用;固定资产投资增速的上涨对其产生的拉动作用将保持半年左右.     

门限自回归下的单位根检验可靠性研究

在非对称的门限自回归模型下,由于传统单位根检验式的误设,会导致单位根检验势下降。本文通过一系列的Monte-Carlo模拟表明：非对称性对ADF和PP检验的检验势会产生较大影响,而对其他四种常用的单位根检验势产生的影响较小,也就是说,在非对称的门限自回归下,非对称性对退势单位根检验势产生的影响较小。模拟中也发现：NP单位根检验对TAR模型和持久性都具有稳健性。     

基于逆跳MCMC的贝叶斯分位自回归模型研究

考虑到传统信息理论方法确定模型存在不足,在贝叶斯理论框架下提出了基于逆跳马尔可夫链蒙特卡罗法确定分位自回归模型阶次的方法。在时间序列服从非对称Laplace分布的条件下,设计了马尔可夫链蒙特卡罗数值计算程序,得到了不同分位数下模型参数的贝叶斯估计值。实证研究表明：基于逆跳马尔可夫链蒙特卡罗法的贝叶斯分位自回归模型能有效地揭示滞后变量对响应变量的位置、尺度和形状的影响。     

中国经济增长的决定因素分析——基于贝叶斯模型平均（BMA）方法的实证研究

采用贝叶斯模型平均（Bayesian Model Averaging）方法,使用1990-2007年省际数据,对长期影响中国经济增长的诸多因素的有效性和稳健性进行了识别和检验。研究结论表明：高等教育发展阶段、工业化推进速度、对外开放程度、东部区位优势、消费能力和对内开放水平等6个解释变量对中国经济增长具有长期、持续和稳健的影响,是中国经济增长的长期决定因素。城市规模、中部区位优势和初始经济条件等3个解释变量对经济增长也具有一定的解释能力。此外,从解释变量对经济增长边际影响的程度来看,工业化推进速度变量对经济增长的边际影响最强,其次是消费能力变量和对外开放程度变量。     

基于非线性ECM模型的贝叶斯门限协整研究

 现有门限协整检验方法由于模型似然函数具有多峰、不连续特征,导致冗余参数识别存在困难,最优化计算相对复杂。本文提出基于非线性误差修正模型的贝叶斯门限协整分析,结合参数的后验条件分布设计MCMC抽样方案,进行贝叶斯门限协整检验;并利用Monte Carlo仿真研究了贝叶斯门限协整检验的有限样本性质,发现贝叶斯门限协整检验方法具有良好的有限样本性质。同时,利用不同期限的美国利率序列进行了实证研究,结果发现1个月与3个月利率之间、3个月与6个月利率之间以及3个月与1年利率之间均存在门限协整关系。研究结果表明：贝叶斯门限协整检验方法解决了冗余参数识别的难题,使计算变得相对简单,并提高了估计的精确度和检验的准确性。     

基于MCMC模拟的贝叶斯 AR-GJR-GARCH 模型及其应用

AR-GJR-GARCH模型是一种误差项为GJR-GARCH形式的自回归模型,该模型的贝叶斯推断很难得到其具体形式的条件后验密度。文章利用Metropolis-Hastings抽样方法对模型参数的条件后验分布进行MCMC模拟,然后运用模拟得到的样本对模型的参数进行贝叶斯估计。该方法解决了参数估计过程中的高维数值积分问题。模拟结果表明了该模型在中国股市波动性分析过程中的直观性和有效性。     

基于APF算法的贝叶斯金融厚尾MSSV模型研究

针对金融时间序列普遍具有的波动聚集性和厚尾特征,将对风险管理尤为重要的一些极端点纳入模型之中,构建厚尾马尔科夫转移随机波动模型,采用带辅助变量的粒子滤波算法对波动和潜在状态进行预测,并估计模型参数.由于t分布与正态分布的特殊关系,通过选取不同自由度进行仿真分析,研究发现MSSV-t模型较一般MSSV模型对于消除波动持续性参数的高估问题更加有效.结合对中国上证综指股价波动的实证研究,证明了基于APF算法的MSSV-t模型在潜在波动状态的预测及突发事件的探测方面具有优良的性质,同时具备提高波动预测精度的能力.     

中国人口预测的自回归分布滞后模型研究

本研究以自回归分布滞后模型为基础,以人口年增长量作为被解释变量,人口年增长量的滞后值、人口年出生率和人口年死亡率的滞后值作为解释变量,分别设计了两类4个模型,并以1952-2002年人口序列数据为基础,采用一般回归法、后退法和逐步回归法三种方法对所设计的模型进行估计,得到可作为人口预测的168个模型.然后,从中筛选出较优的包含人口年增长量滞后值的中国人口自回归分布滞后预测模型和不包含人口年增长量滞后值的中国人口预测模型.     

基于偏斜正态分布的零膨胀负二项层次回归模型的贝叶斯分析

零膨胀负二项(ZINB)层次回归模型是分析散度偏大集群计数数据的有力工具,该模型的基本假设是随机效应和随机误差均服从正态分布.然而,在许多实际应用中,上述假设缺乏稳健性,且相关研究表明,个体内的随机误差以及随机效应将共同导致数据的非正态性特征.基于上述原因,文章将重点考虑基于偏斜正态分布的ZINB层次回归模型的贝叶斯分析问题,与经典的基于似然的方法相比,贝叶斯分析方法具有建模灵活,计算相对简便的优势,特别适合于层次结构较为复杂的模型.     

基于MCMC方法的贝叶斯AR(p)模型分析

本文提出运用Gibbs抽样的MCMC方法,解决时间序列AR(p)模型贝叶斯分析过程中所遇到的复杂的数值计算问题,借数据仿真分析来说明运用WinBUGS软件建模的分析过程,得出以MCMC为基础的WinBUGS软件简便了贝叶斯AR(p)模型的实际应用的结论.     

自回归及logistic离散模型在中国人口预测中的应用

为了寻找更好人口预测方法,经济领域常用的自回归模型创新式的被应用到中国的人口预测中.通过结果预测结果分析,易知自回归的预测效果相当不错.进一步探索人口的预测理论,精典的logistic离散模型被用来和自回归模型做对比.由于自回归模型和logistic离散模型在形式上有很大的相似,对两者在建模原理上进行了对比分析,且对两个模型理论进行了推广.     

开放式基金投资者的处置效应——基于中国面板数据的门限回归分析

在前景理论赎回模型分析的基础上,采用面板数据门限回归方法,重点探讨了开放式基金的业绩对投资者赎回的影响关系.实证结果表明,面板门限模型的解释力强于普通固定效应模型;基金收益对赎回影响始终为正,且收益越高越敏感,进一步证明了中国开放式基金的赎回是一种"处置效应";分红对赎回有促进作用,也存在门限转换特征,增加分红次数可以抑制赎回;市场收益越高,赎回越严重.     

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。     

时间序列ARFIMA模型的贝叶斯预测分析

ARFIMA模型是时间序列分析理论体系中的一个新领域,其模型结构比较复杂.本文系统地研究了时间序列ARFIMA(p,d,q)模型的贝叶斯预测问题,给出了模型的似然函数形式,构造了模型参数的先验分布;根据贝叶斯定理严密地推断了参数的后验边缘分布密度函数,建立了贝叶斯ARFIMA模型预测的基本程序,并且进行了实证研究分析.     

汇率预测方法及比较:基于贝叶斯平均分类回归模型的检验

分类回归模型是回归模型家族的一个重要组成部分.文章针对现有的分类回归模型均采用选择性回归计算所存在的问题,建立了贝叶斯平均分类回归模型,并将其用于人民币汇率预测的实证研究.在实证研究时选取人民币对主要货币的汇率序列,对使用时间序列模型的预测结果与贝叶斯平均分类回归模型的预测结果进行对比分析,证明贝叶斯平均分类回归模型确实能够提高预测准确度.还使用贝叶斯平均分类回归模型对比分析了现有研究文献的预测效果,结果表明分类回归模型具有一定程度的优越性.     

基于空间自回归模型的中国能源利用效率区域特征分析

一、引言目前,有关中国能源利用效率的研究取得了丰硕的成果,获得了一些非常有价值的结论。但是,大多数研究采用的是时间序列分析方法[1—4],较少进行截面的空间分析,涉及的主要是产业结构、技术创新等传统变量,较少涉及空间分布格局的描述或统计分析,而对区域经济增长和能源利用效率的空间相似性或差异的研究更少。中国幅员辽阔,地区间的空间差异非常明显,传统上利用全国能源利用效率时间序列数据进行分析,往往会掩盖这种十分显著的区域空间差异。因为存有空间差异,时间序列回归方法不再适合于解释能源利用效率与经济发展间的复杂关系,难以…     

自回归模型选择的多准则方法

模型选择是建立时间序列模型的基础.文章将AR模型选择转化为多目标决策问题,并采用熵值法定权进行求解,在此基础上建立了模型选择的多准则方法,从而有效的解决了模型选择问题.该方法还可推广到滑动平均自回归(ARMA)的选择,由此提供了一条普遍适用的建模思路.     

空间自回归模型的局部影响分析和运用

由于空间数据的相依特性，使得通常的删除点诊断异常值的方法不适合采用。为了寻找数据中的异常点和影响点，采用局部影响分析技术，通过引入扰动的方法来发现影响点，最后通过实例说明局部影响分析技术能够有效地发现模型中可能的影响点，并且能够揭示更多的细节信息。     

信息化对高技术产业全要素生产率的影响分析——基于面板门限回归模型的实证研究

在知识生产函数模型框架下,选取2001—2014年中国28个省份高技术产业的面板数据,采用面板门限回归模型实证分析了信息化对高技术产业全要素生产率的影响。研究发现:信息化水平对高技术产业全要素生产率具有显著影响,且受到市场化程度的制约而存在双重门限效应;随着市场化程度的提高,信息化水平对高技术产业全要素生产率的影响程度进一步增强;人均研发资本投入、出口交货值和政府研发投入对高技术产业全要素生产率有显著的正向促进作用,技术引进有正向影响但不显著。