FAR(p)与指数平滑的组合预测算法

一、引言 梅炽、姚俊峰等在<粗铜冶炼中铜铳品位的动态预测模式>一文中(见中南工业大学学报,2000,31(1):34-36)和邵义元在一文中(见鄂州大学学报,2002,9(4):38-39)提出了一种对铜统品位进行预测的方法,即以采集的现场数据为基础,采用系统辨识动态地建立了AR(p)模型与三次指数平滑模型.并将两种模型按最小二乘原理,以组合预测误差平方和为目标函数,通过使误差平方和极小化来确定两种预测方法的最优加权系数,建立一种新的组合模型,其预测误差最小.结果表明,在当时数据下,AR(p)与指数平滑组合模型比AR(p)与指数平滑模型单独使用时精确度都要高.本文在此基础上,对AR(p)与指数平滑组合预测模型做了改进,将AR(p)模型中的时间序列模糊化,便成为模糊时间序列,进而建立模糊时间序列AR(p)模型,即FAR(p)模型.从而提出一种新的组合预测模型--FAR(p)与指数平滑组合预测模型.最后将两种组合模型用于预测油田产油量,结果表明,FAR(p)与指数平滑组合预测模型比AR(p)与指数平滑组合预测模型有更高的预测精度.     

中国市场国债利率期限结构的动态特征研究

本文在分析中国市场国债收益率的统计特征,并采用Vasicek模型对其进行动态检验的基础上,将状态变量的变动过程分别设定为AR(1)、AR(2)、ARMA(1,1)以及随机游走四种方式,比较上述四种变动方式的拟合效果与Vasicek模型的拟合效果.实证结果表明,将消费者信心指数变化率、M2增长率的自然对数、生产者价格指数变化率(PPI)以及城镇居民失业率等4个状态变量的变动方式设定为AR(1)过程的修正Vasicek模型,无论是对国债收益率数据的拟合还是预测效果都显著优于Vasicek模型,说明基于AR(1)过程的修正Vasicek模型能够更加准确地刻画中国市场国债利率期限结构的动态特征.     

AR(1)模型中参数估计的偏差分析

文章分析了AR(1)模型中模型参数(序列方差、模型回归系数、序列的自协方差函数、自相关系数以及误差方差)估计(矩估计和最小二乘估计)的无偏性.对于非独立随机向量二次型的商的估计(如自相关系数估计等),给出了其偏差表达式并提供了相应的数值解法.通过数据模拟分析考察了这些参数估计的偏度情况.     

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.     

二重AR(1)模型的参数估计

二重AR(1)模型是普通AR(1)模型的非线性化,也可看作是RCAR(1)模型的进一步推广。由于二重AR(1)模型比较复杂,传统参数估计方法难以估计其参数,本文提出采用MCMC方法来估计其参数。     

基于AR模型的Kalman滤波在股票价格预测中的应用

文章在分析AR(n)模型和Kalman滤波模型具有的预测功能的基础上,将二者结合起来而提出一种基于AR模型的卡尔曼滤波模型.该模型用1至n阶的AR模型组合建立新的多维状态空间模型,再应用Kal-man滤波方法预测股票价格.通过对股票价格预测的具体实验表明,提出的新模型克服了单一方法使用的缺点,具有较高的预测精度.     

稳健AR模型的构建及其在金融时序中的应用

时间序列自回归AR模型在建模过程中易受离群值的影响,导致计算结果与实际不相符。针对这一现象,运用FQn统计量对传统自相关函数进行改进,构建出自回归AR模型的稳健估计算法,以克服离群值的影响,并对此方法进行了模拟和实证分析。模拟和实证分析均表明:当时序数据中不存在离群值时,传统估计方法与稳健估计方法得到的结果基本保持一致;当数据中存在离群值时,运用传统估计方法得到的结果出现较大变化,而运用稳健估计方法得到的结果基本不变.这说明相对于传统估计方法,稳健估计方法能有效抵抗离群值的影响,具有良好的抗干扰性和高抗差性。     

基于随机抽取的AR模型定阶和参数评估

文章基于对平稳时间序列数据的随机抽取,选用AR模型研究其模型定阶方法和参数评估准则.根据数据有序性的特点,提出利用交叉验证的方法确定自回归模型阶数,并通过对原数据的无放回抽取实现对系数参数估计的评估.实例分析结果表明,交叉验证的定阶与AIC准则定阶结果保持较高一致性,新的参数评估在一定的模型误差范围内可以得到更为简单有效的系数估计区间.     

中国通货膨胀预测:基于AR和VAR模型的比较

文章用中国1996～2010年的CPI、PPI、货币量和产出等季度数据,考虑了两类基本但重要的时间序列模型——AR和VAR模型在预测中国通货膨胀上的样本外表现。研究表明:这两类模型在大部分预测期上对通胀的预测都优于简单的随机游走式预测;对不同滞后阶数的模型而言,通常滞后阶数越少的模型预测效果越好;M1增速、名义GDP增速和真实GDP增速都能改善仅仅依赖历史通胀信息形成的预测,但M0增速、M2增速以及PPI通胀,通常都不能改善;在含有M1增速的两变量VAR(1)模型中进一步引入产出增速构成的三变量VAR(1)模型对通胀预测没有明显改进。     

属性关系与诊断测验分类影响的探讨

认知诊断模型-DINA模型假定属性之间是相互独立、非补偿的关系,但在实际应用中,属性之间有可能存在补偿关系.文章探讨了在不同的被试总体下,DINA模型在属性之间独立和存在补偿关系时作答数据上的表现,结果表明,当测验中有部分属性间存在补偿关系时,会给DINA模型诊断分布带来较大的影响,在固定其他条件(被试人数、随机因子)条件下,存在和不存在补偿作用所导致的诊断分类率之间有显著差异,且在不同大小补偿作用下,诊断分类率之间的差异显著;随着随机因子的增加,不同大小的补偿因子所导致的诊断分类率之间的差异会变小,补偿因子和随机因子之间存在着显著的交互作用.     

遗传算法优化的GM(1,1)模型研究

为提高GM(1,1)模型预测精度,文章分析了模型中背景值构造与预测结果误差的关系,并总结了背景值改进研究的相关成果。采用权值序列替换原模型背景值构造公式中的单一权值,建立了GA-GM(1,1)预测模型,利用遗传算法迭代寻优获得的一组最优权值序列来构造背景值,以提高模型精度。用两组数据进行GA-GM(1,1)模型与GM(1,1)模型的对比实验,结果表明GA-GM(1,1)具有更小的预测误差,验证了该模型的有效性。     

时间序列分析的一个重要问题及其解决方法

文章考虑非平稳时间序列的一种特殊情形:d-1次差分不平稳,但d次差分是白噪声。推导出这样的序列是一个适宜的非平稳AR(d)模型。得到的结论是:对方差齐性的时间序列,总可以建立模型ARIMA(p,d,q)。文章以中国历年年末人口序列(1970~2009年)为例,建立了一个非平稳的AR(2)模型,并对此模型进行样本容量为10000次的Monte Carlo模拟,表明模型是稳定的。     

部分函数型线性变系数模型的序列相关检验

部分函数型线性变系数模型(PFLVCM)是近几年出现的一个比较灵活、应用广泛的新模型。在实际应用中,搜集到的经济和金融数据往往存在序列相关性。如果不考虑数据间的相关性直接对其进行建模,会影响模型中参数估计的精度和有效性。本文主要研究了PFLVCM中误差的序列相关性的检验问题,基于经验似然,把标量时间序列数据相关性检验的方法拓展到函数型数据中,提出了经验对数似然比检验统计量,并在零假设下得到了检验统计量的近似分布。通过蒙特卡洛数值模拟说明该统计量在有限样本下有良好的水平和功效。最后,把该方法用于检验美国商业用电消费数据是否有序列相关性,证明该统计量的有效性和实用性。     

有AR(1)随机误差的面板数据模型的半参数估计与检验

文章考虑了一类有AR(1)随机误差的面板数据模型,利用二阶段最大似然估计法给出了模型中参数的最大似然估计,并证明了该估计的强相合性.为了避免模型的错误识别,利用拉格朗日乘子检验法检验了随机误差是否具有一阶自回归AR(1)形式.     

Yule-Walker估计法的敏感性分析及其稳健改进

时间序列自回归AR模型的Yule-Walker估计法在建模过程中易受离群值的影响,导致计算结果与实际不相符。针对这一现象,基于均值和方差的稳健组合估计量构建了稳健自相关函数,得到了时序AR模型的稳健Yule-Walker估计算法,以克服离群值的影响。并对此方法进行了模拟与金融数据实证检验,模拟和实证检验均表明:当时序数据中不存在离群值时,传统估计方法与稳健估计方法得到的结果基本保持一致;当数据中存在离群值时,运用传统估计方法得到的结果出现较大变化,而运用稳健估计方法得到的结果基本不变。这说明相对于传统估计方法,稳健估计方法能有效抵抗离群值的影响,具有良好的抗干扰性和高抗差性。     

计量经济学中函数设定形式的检验

在建模的实践中,并不存在惟一的方法来表现被解释变量和解释变量之间依存关系,因此在实际建模过程中,就存在一个从多个备择模型形式中进行选择以及对所选模型形式进行诊断检验的问题.函数设定形式的检验是指关于对条件期望函数(条件均值方程)的具体函数形式的设定以及对所设定的函数形式进行检验两个方面.文章对此进行了讨论.     

基于ARIMA模型的深证成指收益率分析

文章根据ARIMA(p,d,q)模型的原理和方法,对我国深证成指时数收益率数据进行了建模,在实际计算过程中,考虑到对数收益率数据比较小的特点.利用矩阵的SVD分解和MoorePenrose广义逆,来求解参数的极小最小二乘解,以减少中间过程的误差,从而获得比较好的模型.最后.对模型进行了实验仿真.经检验分析结果比较理想.     

中国经济波动来自趋势还是周期——基于多种UC模型的比较分析

传统趋势周期分解方法存在理论基础不符实际、缺少数据生成过程等问题,相较而言,UC模型具有一定优势。论文采用贝叶斯方法和中国宏观季度数据,估计了多个UC模型以分解产出的趋势和周期。研究发现：(1) 断点期在2008Q1的无约束UC模型为最优模型;(2) 趋势新息波动大于周期新息波动,两者高度负相关;(3) 趋势增长率发生了结构性下降;(4) 经济下行源于趋势下行而非周期下行。论文的基本结论在双变量模型、其它数据、其它经典单变量方法下依然成立。论文为宏观调控和“供给侧”改革提供实证依据。     

平滑转换自回归模型的单位根检验问题研究

 内容提要：针对非线性模型的单位根检验中存在的问题,本文认为非线性模型的单位根检验不应该在AR模型中进行,而应该在非线性模型中进行。以LSTAR(1)模型为例,本文给出了在其中进行单位根检验的统计量及其临界值。用蒙特卡洛试验证实,本文提出的单位根检验统计量的功效明显高于DF单位根检验,只有当非平稳特征十分明显时,DF检验才能检测出其中的单位根,因此,在非线性模型中进行单位根检验是必要的。     

利率期限结构特征的拟合与预测

本文从经典利率期限结构模型和数量利率期限结构模型中选取了三因子Vasicek模型、三因子CIR模型、多项式样条模型、指数样条模型、DL模型和动态SV模型等6个应用广泛且具有代表性的利率期限结构模型,分别基于2008年7月至2014年3月中国和美国市场的月度国债收益率数据进行拟合与预测,并采用均方误差(RMSE)和平均绝对误差(MAE)对实证效果进行判别。结果表明,DL模型在针对中国市场和美国市场数据的拟合与预测方面能力均十分突出且效果稳定,指数样条模型次之,而其他模型则在利率期限结构特征的刻画效果方面存在更强的数据依赖与能力不足问题。本文的结论能够为实证研究利率期限结构特征的模型选取提供科学依据和数据支持。