非线性时间序列ARMA模型的优化估计法

本文提供了一种ARMA模型参数的优化估计法—NLBFGS算法,它收敛速度快,且只须一阶导数的信息,不需求逆矩阵,和具有超线性收敛性等优点。而且本文给出实例的MATLAB程序,并利用t统计量对ARMA模型参数估计进行了检验:拟合模型效果显著。     

动态因子模型的广义矩估计(GMM)及其统计性质研究

对于一类存在截面相关性的动态因子模型,本文首次分别提出了动态因子向量和因子载荷矩阵的广义矩估计方法(GMM),该方法是对传统频域分析方法的补充;其次,分别研究了模型参数广义矩估计量的渐近性质和有限样本性质.研究发现,在适当的条件下,动态因子及其因子载荷矩阵的GMM估计不仅是具有渐近正态分布的一致估计,而且具有良好的有限样本性质.最后,本文利用动态因子模型对我国6大类上市公司盈利能力增长性的共同驱动因素及其差异性进行了实证分析.     

空间滞后误差自相关随机前沿模型参数的估计

文章利用工具变量矩阵方法研究了空间滞后误差自相关随机前沿模型参数的估计问题,得到了参数估计的表达式.与极大似然估计相比较,工具变量矩阵法极大地简化了计算.蒙特卡罗模拟的结果表明,参数估计值十分逼近真值.     

一类近似因子模型的GMM估计及其统计性质研究

对于一类异质性误差项存在截面相关性的近似因子模型,本文首先提出了估计共同因子向量和因子载荷矩阵的广义矩估计方法（GMM）,该方法推广了Doz等（2012）的极大似然估计方法;其次,分别研究了模型参数广义矩估计的渐近性质和有限样本的统计性质,在适当的条件下,证明了参数的GMM估计是具有渐近正态分布的一致估计;最后,利用近似因子模型对我国各类上市公司增长性的共同驱动因素及其差异性进行了实证分析。     

动态因子模型与ARMA模型的比较

在时间序列模型中,随着变量数目的增加,所要估计的参数的数量也随之加大,结果在应用中模型中通常不得不选取尽量少的变量。动态因子模型独特的优势在于,它不必考虑自由度损失问题,也不必对经济结构施加约束。文章根据中国宏观经济变量数据库中的41个变量,建立了动态因子模型预测GDP,并与ARMA模型的预测结果进行了对比。结果显示,动态因子模型的预测效果优于ARMA模型。     

联立方程模型参数的修正间接广义岭估计

本文对外生变量设计矩阵X复共线的联立方程模型提出一种参数的间接广义岭估计方法,并对估计出的参数进行了改进,使其具有良好的统计性质,并证明了这些性质。     

线性模型中混合估计与最小二乘估计的新相对效率

文章讨论了当线性模型有一定的附加信息时,回归系数的混合估计与最小二乘估计的相对效率问题;在误差矩阵为正定矩阵时,给出了一种新的相对效率,并导出了它的上界.     

Logistic回归模型的两参数估计

Logistic回归模型是一种有效的分类数据处理方法.为了克服Logistic回归模型的复共线性,文章提出了Logistic回归模型参数的两参数估计,并在均方误差矩阵准则下对估计的统计性质进行研究.     

基于百度指数的房地产价格相关性研究

文章以我国大中城市的新建住宅价格为研究对象,以均衡价格理论为基础,使用搜索关键词的百度指数开展研究,分别使用自回归移动平均模型(ARMA)和带搜索项的自回归分布滞后模型对上海市的新建住宅价格指数进行了拟合和预测.实证结果表明:百度搜索指数与价格指数之间存在协整关系,建立的自回归分布滞后模型的拟合度达到0.918,预测精度相较ARMA模型提高23.2％.与传统的预测方法相比,模型具有很强的时效性,能够比国家统计局提前一个月发布房屋价格指数数据.     

适用于大数据集的广义可加模型

通常情况下,对用电量进行预测的问题可以采用广义可加模型(GAM),但当数据集很大时,在计算机上实现起来就非常困难,甚至是不可行的.因此,本文给出了大数据集下实用的广义可加模型拟合方法,模型中的平滑项用惩罚回归样条函数来表示.只需保证在任何时候模型矩阵的子矩阵可以在计算机上实现,该方法就可以通过迭代更新的方式得到模型矩阵的因子.本文研究证明,该方法可以有效地对平滑参数进行估计.当有新数据加入时,用电量预测模型需要不断地拟合更新,并且需要对新的用电量数据序列的自相关性进行处理.本文给出了处理这些问题的方法,以及在计算机上的实现过程.该方法可以实现使用一般的中型计算机来处理大数据集的广义可加模型的估计问题.最后,对法国用电量预测的实证研究表明,降秩样条平滑方法也能够很好地处理复杂的模型问题.     

随机效应广义空间滞后半参数变系数面板模型的估计

通过构建同时包含因变量和误差项空间滞后的随机效应半参数变系数面板模型,拓展了现有模型的灵活性和适应性。采用截面极大似然估计方法得出了参数和非参数的估计,理论证明发现：在一定的正则条件下,所有估计量具有一致性和渐近正态性。数值模拟显示：估计量具有良好的小样本性质,估计精度随着样本容量的增加而增加;空间权重矩阵的选择对估计量的表现没有产生显著差异,但是在Case权重矩阵下,当样本量相同时,空间相关系数的估计偏差随着空间权重结构复杂度的增加而扩大。     

基于图方法的MA和ARMA模型系数检验

应用图模型方法来讨论传统的MA和ARMA模型,证明了MA和ARMA模型的系数为去掉其他时间序列分量线性效应的条件下的偏相关系数,且利用图模型推断算法提出了一种新的参数估计和检验方法。     

一种新的空间权重矩阵选择方法

空间权重矩阵选择问题一直是空间计量经济学中的一个难题,权重矩阵的选择正确与否关系到模型的最终估计结果。本文在空间滞后模型框架下,把空间权重矩阵选择问题转化为变量选择问题,然后利用CWB方法进行变量选择。中国城市服务业集聚机理实证研究显示,利用本文所提出的方法所选取的空间权重矩阵较为合理,进而可以减少因为空间权重矩阵误设问题而引起的模型估计偏误。在大样本情形下,该方法可以非常有效地降低计算成本。     

我国月度居民消费价格指数的预测方法与应用

文章用时间序列的BP神经网络和ARMA模型的方法对我国2005年1月～2011年5月的月度CPI进行了模型分析并检验了预测效果。对比分析表明,利用月度CPI时间序列的BP神经网络方法相比ARMA模型有更好的预测精度。     

基于Boosting-ARMA的碳价预测

自回归滑动平均(ARMA)模型是最流行的预测模型之一,而模型选择却是使用ARMA进行预测的难点,尤其是当真实模型的阶数较高时,因此提出Boosting-ARMA预测算法,利用Boosting算法进行最优子集ARMA寻找,自动且高效地完成ARMA模型的识别。模拟实验显示,Boosting-ARMA优于其他方法,用新算法预测碳价实证分析发现,Boosting-ARMA算法可以获得较高的碳价预测准确性并且方便快捷。     

二值型响应与连续型响应联合建模的变量选择

由于多重响应变量之间可能存在相关性,文章考虑对二值型响应变量和连续型响应变量进行联合建模.利用probit模型,对二值响应引入了具有正态分布的潜变量,从而对多重响应建立线性回归模型,能得到二值变量和连续变量的联合分布.然后考虑回归系数会存在稀疏性,通过对似然函数加惩罚,从而对二重响应的回归系数和协方差矩阵的逆矩阵进行估计,达到参数估计和变量选择的目标.文中目标函数基于l1惩罚.数值模拟和实证分析展示了所提出方法的良好性质.     

马尔柯夫转移概率矩阵的估计及其在市场占有率预测中的应用

本文利用二次规划模型讨论了马尔柯夫转移概率矩阵的估计 ,并利用该矩阵对碳酸饮料行业市场占有率作了预测 ,对于企业的决策者们来说 ,如何由以往市场占有率的资料预测未来 ,本文具有一定应用价值。     

空间计量模型中空间矩阵的误用及其影响

 本文通过研究指出,基于常用的空间计量经济学模型嵌套检验方法,我们经常会遇到空间结构关系误用的情况。通过设计一个Monte Carlo实验,本文讨论了空间矩阵误用的概率、影响空间矩阵误用的因素以及空间矩阵误用对空间计量经济学模型估计造成的影响等三个问题。     

利率期限结构模型估计中的GMM方法述评

广义矩方法(GMM)在利率期限结构模型的估计中有着广泛的应用。文章综述了在利率期限结构模型的估计中GMM方法涉及的各方面问题,其中包括过度估计问题、最优权重矩阵的选取、矩条件的选择、理论矩的计算、模拟矩方法(SMM)和有效矩方法(EMM)。     

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: