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.     

小波包与贝叶斯LS-SVM在石油价格预测中的应用

掌握国际石油价格变化趋势,可以为决策者提供决策依据.文章提出了基于小渡包和贝叶斯推断的最小二乘支持向量机石油价格预测方案.对石油价格时间序列进行小渡包分解与重构,采用贝叶斯推断对得到的各近似序列和各细节序列进行最小二乘支持向量机模型参数优化,再分别利用优化了的模型进行预测,合成得到最终预测结果.对美国纽约商品交易所原油价格进行仿真实验,结果表明该方法很好地改善了石油价格预测模型的运行速度与预测精度.     

移动平均法应用之我见

本文对移动平均法的作用进行了分析，一是利用移动平均法进行预测；二是使不相关的随机序列变成相关的序列；三是消除季节因素和周期因素；四是确定序列的转折点。     

基于结构突变的时间序列研究及其预测方法的新进展

对时间序列结构突变的研究是近20年来计量经济学界的热点问题之一。国内对运用经典方法检验结构突变的研究和应用众多，但对基于贝叶斯方法的结构突变研究和预测方法几乎为空白。文章着重回顾和总结了基于贝叶斯方法的结构突变模型研究的最新进展，并提出了进一步研究的思路。     

含均值结构变点时间序列的贝叶斯单位根检验

针对ADF和PP检验对含有均值结构变点时间序列的“伪检验”问题,文章基于贝叶斯理论,先运用贝叶斯因子模型选择的方法检测时序结构变点位置,再在结构变点已知的情况下运用置信区间和贝叶斯因子两种方法检验序列是否存在单位根,并用Monte Carlo模拟方法进行仿真,验证该方法的有效性。研究发现：是否考虑均值结构变点对时间序列的单位根检验有着重要的影响,不考虑结构突变而进行常规的单位根检验会产生误判;贝叶斯方法能够有效检测含有均值结构变点时间序列的变点位置,并能提高单位根检验功效。     

基于软件Eviews和WinBUGS计量模型的比较

在计量经济学设计模型、收集资料、估计模型、检验模型、应用模型(结构分析、经济预测、政策评价)过程中,Eviews软件是必不可少的工具,而WinBUGS软件是贝叶斯计量经济学计算的常用软件.文章以时间序列AR(1)模型为例,运用Gibbs抽样的MCMC方法,介绍了贝叶斯统计方法在计量经济学模型中的应用,分析了在实证中贝叶斯估计与经典计量估计的区别和联系,并指出贝叶斯方法在计量经济学及其他学科广阔的应用前景.     

贝叶斯矩法在粮食安全预警中的作用

BMOM(BayesianMethodofMoment)是著名经济学家、芝加哥大学的教授ArnoldZellner在20世纪90年代提出的贝叶斯矩法,Zellner教授成功地将其应用于统计分析的经典问题,并获得了与原有结论相同的结果,但所需条件宽松。同时,他又将这一方法应用于宏观经济的预测和经济发展转折点的预测,都取得了很好的结果。鉴此,文章就BMOM方法在粮食安全预警系统中的应用进行了探讨。     

贝叶斯时间序列方法研究与应用评述

文章对贝叶斯时间序列方法的研究与应用现状进行了评迷,内容包括一元时间序列、多元时间序列及模型识别等三个方面,以期为该方面的研究与应用者提供参考.     

基于MASD＿TPM模板匹配算法的股市决策模型

股票市场的形态分析和趋势预测是时间序列研究领域重要的研究方向。针对股票市场价格形态复杂,转折点形态预测困难的问题,文章提出了一种多尺度自适应模板匹配算法(MASD_TPM)来识别股票价格的形态走势。该算法在传统的模板匹配技术(TPM)中引入了匹配序列长度控制和插值重采样来避免匹配形态单一的问题。结果显示,基于该算法构建的决策交易模型在上证50等相关指数上能较为准确地识别市场价格的旗型形态,其收益超过多组对比模型平均水平。