多元时序和滞后协整混合模型

文章将滞后分析、时序分析、滞后协整分析进行有机整合,建立了多元时序和滞后协整混合预测模型;此外,还提出了反映不同时期向量序列之间协整关系的滞后协整的概念,滞后协整概念的提出能为预测和决策提供更为广阔的思考空间.     

多元回归模型的灰色改进

回归分析的一项基本要求是需要多组数据,但在很多情况下这一要求并不能得到满足,有时为取得庞大的数据量而增加成本,造成不必要的浪费.基于此,文章利用灰色预测将少量的数据量扩展为可做回归模型的数据,从而发掘事物之间的内部规律,给决策作出参考.     

影响我国财政收入的多元线性回归模型

本文通过一个实例详细介绍了建立经济计量模型的过程和步骤,旨在引入用多元线性回归分析的方法来分析实际问题的思想.首先由定性分析选取与我国财政收入有较强的相关性的几个影响因素,以其作为解释变量,建立与财政收入的线性模型     

截面时序分析—模型选择与参数估计

截面时序模型是近三十年来发展起来的,文献［２］［３］描述了截面时序模型的一般理论。尽管这一模型在国外已得到了比较广泛深入的研究和应用,但尚未引起国内统计界和数量经济分析界人士的重视。本文从进行实证经济分析所需要的角度出发,对模型的选择、参数估计和假设...     

上海市经济发展的典型时序模型分析

文章以1978～2007年上海市人均GDP的统计数据为样本,处理原始数据,对序列进行差分平稳化处理,消除虚假回归,进行单位根检验,并借助统计工具,利用序列自相关、偏自相关性质,确认序列适合的模型,从而建立了经典的ARJMA时间序列方程,最终对未来数据进行了经济预测,为管理决策给予一定数量参考价值.     

基于ARIMA模型的短时序预测模型研究与应用

在对我国国内生产总值数据研究的基础上,提出了一种新的面向短时序数据的结构分析模型-—平滑ARIMA模型。此模型的数学定义清晰,易于计算机实现,同时由实证分析的结果表明,与灰色模型预测相比较此模型有很好的识别能力。     

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…     

金融时序的波动率模型比较研究

一、引言 关于波动性的研究是金融领域里的一个非常重要的内容,在本文中波动性指的是就是条件异方差.本文借助于软件WinBUGS(BUGS(Bayesian inferenceUsing Gibbs sampling)这是一个专门用来实施贝叶斯方法的免费软件,可在以下站点下载到:www.mrc-bsu.cam.ac.uk/bugs/winbugs)利用MCMC(Markov Chain Monte Carlo)方法来估计单变量的SVN模型的参数,因为通过MCMC方法能取得模型的精确的似然函数,因此这一方法估计SV模型当前被认为是最好的,所获得的参数估计也是最精确的,所以我们可以得到SV模型和GARCH模型更为客观准确的比较.另外利用MCMC方法,在获得波动率的估计值和预测值方面,都变得极为便当.     

基于回归时序模型的售后服务资源计划系统设计

售后服务资源计划的科学性和准确性是降低服务成本及提高客户满意度的重要影响因素.文章根据H公司2005年售后服务业务的真实数据,通过构建由回归分析方法和时间序列分析方法组成的回归时序模型,提出售后服务资源计划问题的决策方法,并对2006年前两个月的数据进行了比较准确的预测.数据的计算和应用实例表明,文章提出的售后服务资源计划系统的核心算法能够很好地拟合返修量数据,提高预测的精度,提供科学的决策依据.     

基于半参数混合模型的碳排放影响因素研究

文章在计算碳排放量的基础上,利用2000年-2012年30个省市的面板数据构造半参数混合模型,对影响碳排放的各因素进行了实证分析.结果表明:GDP、人口总量、城市化水平、对外贸易与碳排放之间存在正相关关系.第二产业增加值所占比重与碳排放量之间的关系比较复杂.随着第二产业增加值占比的增加,刚开始碳排放量的波动不大,随后出现明显快速的增长趋势,慢慢增长的边际作用下降.煤炭消费的增加会导致碳排放量的快速增长,到该值超过90％之后出现拐点.最后通过将半参数混合模型与其他模型进行比较,得出在充分考虑变量间非线性关系的条件下,半参数混合模型的拟合效果是最优的.     

时序模型分析在经济预测中的应用

时间序列分析方法主要就是建立模型,目的是为了描述时间序列中产生数据的随机机制与趋势,以此模型来判断在某一时间或随机机制下会发生的数据达到预测和控制的目的。时间序列可分为平稳的时间序列和非平稳的时间序列,大部分经济时间序列为平稳的时间序列。对于平稳的时间序列进     

混合广义线性模型

本文首次提出混合广义线性模型，此模型包括通常的标准广义线性模型以及贝叶斯多层广义线性模型。对二分量混合广义线性模型，利用近似准似然方法讨论其参数估计。对指数族混合广义线性模型，利用标准的广义线性模型分析方法得到参数的迭代估计。至于Ａｌｂｅｒｔ提出的贝叶斯多层先验分析方法，我们给出简单的讨论与修正；并且讨论与分析两个特殊的贝叶斯多层广义线性模型，给出它们的有关详细结果。最后，对混合广义线性模型，提出两个问题     

经济增长及其影响因素的动态关联与交互影响

经济增长是经济学中一个永恒的话题,众多学者对影响中国经济增长的因素进行了相应的讨论。现有的文献主要是探讨各种不同的因素对经济增长的直接影响,没有系统地考虑到因素之间可以通过间接的传递作用而影响经济增长。本文从系统的角度,动态地分析经济增长及其影响因素之间的互     

多元动态数据的传递函数模型及应用

研究动态数据的变化规律常用ARIMA模型,但现实中,很多动态数据的变化会受到其他动态数据的影响,比如经济总量的增长不仅与过去有关,而且受到投资等因素的影响。要描述系统内部多个动态数据的变化规律及其相互影响,可以使用传递函数模型。     

基于多元回归方法的基金业绩持续性影响因素分析

基金业绩持续性作为投资者选择投资对象的重要标准之一,对其进行研究具有重要的意义.文章基于统计指数法和多元回归方法对我国42只股票型开放式基金在2005～2007年三个年度内业绩持续性进行评价并对其影响因素进行了分析.     

时序系数GM(1,1)模型及其应用

基于GM(1,1)模型误差产生的原因分析,提出了用时序系数对等间距时序进行修正,建立时序系数GM(1,1)模型,克服了时序残差模型求得的时序残差序列可能不满足非负性的缺点,简化了建摸过程。通过实例分析表明,时序系数GM(1,1)模型适应于有较大波动的原始数据序列的分析建模,实例验证表明了所建模型的实用性与可靠性。     

半参数混合模型下的贝叶斯方法与应用

极端值估计是损失评估的重要研究部分,文章在贝叶斯方法的基础上,用半参数混合模型来拟合损失.在确定模型参数的过程中,运用贝叶斯方法对参数建模,将参数转化成随机变量,并基于马尔卡夫蒙特卡罗(MCMC)抽样得到参数的估计值.该方法的特点是参数数量少,通过抽样把参数转化成随机变量,给出所有参数可能取值的频率分布图.实证结果表明模型结果既考虑了参数的不确定性,又兼顾了损失的厚尾性.     

多元线性回归模型的贝叶斯统计推断

贝叶斯统计学是统计学的两个重要分支之一,可广泛应用于通信、人工智能、地震、地质勘探、气象预报和经济管理等领域.本文讨论贝叶斯方法在多元回归分析中的应用.     

股票分类指数的多元马尔可夫链模型

针对多元马尔可夫链模型分析中,待估参数数量大而导致估计困难的问题,文章提出了改进方法。以一元预测误差最小为优化目标,对列间权重参数进行了分批次优化求解。应用多元马尔可夫链模型,对股票五大行业分类指数序列进行建模,研究了各行业分类指数相互间的内在相依特征。应用数据序列间的多元交互信息,对行业分类股指序列进行了预测。