随机系数SETAR模型的应用

文章提出了随机系数SETAR模型,推导出其回归系数的估计式,并把该模型应用于一个月度数据序列．实证研究表明,对于非线性时间序列数据,随机系数SETAR模型明显优于AR—MA模型。     

基于贝叶斯自激励门限自回归模型的中国GNP经济分析

文章通过建立贝叶斯自激励门限自回归(SETAR)模型,对改革开放30年来我国国民生产总值(GNP)年度增长率的变化趋势进行了分析研究。采用贝叶斯统计推断方法估计出所建立模型的参数,并对近几年GNP做了相应的预报研究。研究表明在此后几年内我国GNP与GDP仍不能同步增长,且增长率有逐步拉大趋势,GNP的增长率呈非线性缓慢上升。     

SETAR模型在GDP预测中的应用

本文分别使用了非线性自我激励门限模型SETAR和线性ARIMA模型对我国1952-2000年的GDP进行了研究,并且还运用一步预测和多步预测两种方法对未来5年的GDP进行了预测,最后运用RAPE、RMSE方法比较两种方法的预测效果,得出结论。     

基于正态-Gamma共轭先验分布的贝叶斯AR(p)预测模型

本文系统地分析了AR(P)时间序列模型的数学模型及其条件似然函数,并根据似然函数的统计结构构造了模型参数的共轭先验分布,研究了正态-Gamma先验分布情况下模型的贝叶斯推断理论,包括模型自回归系数和精度参数后验分布的统计推断、二次损失函数下参数的贝叶斯估计;同时,从统计数学方法上严格地证明了一步超前预测模型的预报分布为t分布.     

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。     

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.     

居民消费价格指数的非对称性波动分析及短期预测

居民消费价格指数(CPI)在一定程度上反映了通货膨胀抑或紧缩的程度,受到社会普遍关注.文章基于我国1990年1月～2011年6月的月度数据进行探索性建模分析,通过模型比较发现对D_CPI序列建立AR(2)-ACGARCH(1,1)组合模型最合理,该模型很好的刻画了CPI的非对称性波动特征.研究结果表明D_CPI具有明显的群集效应和逆杠杆效应,即正的外部冲击对价格水平的影响大于负的外部冲击；另外短期预测结果显示2011年第三季度我国CPI月同比增长都将超过6％,预测效果比较理想,较为符合实际情形.     

具有AR(1)误差的线性回归模型的统计诊断

在通常的线性回归诊断中,大多采用了方差齐性这一基本假定。但是在实际中遇到的问题往往比较复杂,误差项可能存在自相关性。文章研究了具有AR(1)误差的均值漂移模型和数据删除模型,得到了相应的诊断统计量,并证明了在AR(1)误差存在的情况下二者不是等价的。最后,通过一组实际数据来说明分析方法的有效性。     

我国房屋销售价格指数AR模型的预测分析

随着房地产业经历了兴起-暴涨和理性回归之后,我国的房价将会何去何从一直为众多学者和决策者所关注.文章使用AR(1)形式的自回归模型结合自回归条件异方差模型对我国83个月度数据进行多模型实证,最终选择指数ARCH模型进行研究,并进行了信息冲击曲线和成分时间序列的绘制,最后对未来房价指数进行了预测.     

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.     

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.     

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.     

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.     

对我国经济增长周期的实证研究

我国理论界对经济周期的研究和经济增长的预测,常常运用自回归(AR)、移动平均(MA)或移动自回归(ARMA)等线性模型进行拟合,这些线性模型对于那些有着明显周期运行特征的变量来说,例如,对经济增长率的时间序列来说,从增长型周期的角度来看,在一定时期内经济增长率在一个较高的水平上波动,而在另一段时期内它却是在一个相对较低的水平上波动,且这两种情况是交替出现的,其拟合的效果并不是十分理想的.所以,对于经济增长率的预测和研究,是必须考虑经济运行的高低函种状态交替变化的特征.     

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。     

人民币实际有效汇率波动的特征

在过去的20年里,非线性时间序列模型发展迅速,正日益广泛的被应用于各种经济时间序列特别是金融时间序列变量的研究.其中,STAR(Smooth Transition AR)模型,即平滑转换自回归模型就是非常重要的非线性领域转换模型.STAR模型首先是由Terasvirta& Anderson(1992)提出,后经Granger& Terasvirta(1993)和Terasvirta(1994)对模型的估计及统计特征进行了考察.尽管如此,在模型的应用方面,国内外都很少有将STAR模型应用于实际汇率特别是实际有效汇率的研究,而Michael(1997),N.Sarantis(1999)在这方面的研究也主要是针对发达国家.     

基于模糊Yule-Walker方程的FAR(p)预测模型

文章把基于Yule-Walker方程的AR(p)模型参数估计及定阶方法引入模糊时间序列分析中,提出了基于模糊Yule-Walker方程的FAR(p)模型参数估计及定阶方法;建立了一个全国发电量的模糊时间序列模型,并进行了应用尝试.     

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。     

基于极值理论的静态和动态风险度量模型的比较

文章运用极值理论建立了静态和动态的和风险度量模型.静态模型运用广义帕累托分布拟合收益率序列的尾部分布.动态模型首先运用AR(1)-GARCH(1,1)模型对收益率序列进行拟合,然后用广义帕累托分布对新息分布的尾部建模.采用上证综指和标准普尔500指数的对数收益率为样本,对静态和动态模型进行了比较研究.研究结果表明:对于VaR的度量,在置信水平较低时(如小于99%),静态风险度量模型更准确,在置信水平较高时,动态模型更好;对于ES的度量,动态模型具有通用性和优越性.     

统计软件R与ARMA模型

一、ARMA模型概述 ARMA模型包括三种基本类型:自回归模型AR(p)、移动平均模型MA(q)和自回归移动平均模型ARMA(p,q).自回归移动平均模型ARMA(p,q)的一般表达式是: