基于重要密度的非高斯状态空间模型的线性化

本文对系统矩阵随时间变化的非中心化状态空间模型,利用其近似模型的重要密度导出了线性化的一般方法,并对三美观察扰动和状态扰动有着不同分布的非高斯模型给出了具体线性化的模型结构.     

R/S和修正R/S方法的实证分析

R/S分析(Rescaled Range Analysis,重新标度极差分析)方法由水文专家Hurst提出,他发现大多数自然现象的统计确实能由有偏随机游走来刻划,Man-delbort称之为分形布朗运动,即分维时间序列.     

基于多分辨分析上证SV-M模型的实证

为了有效揭示上证不同交易周期收益率与波动的关系,文章采用极大重叠离散小渡变换,将收益率分解在不同的交易周期上,建立各自SV-M模型,考察各周期收益率与波动的关系及其他参数随交易周期的变化情况.实证表明,不同交易周期,收益率与渡动的关系存在明显差异;且随交易周期的增长,收益率的相关性及波动持续性逐渐增强.     

基于状态空间建模法的社会消费品零售总额预测

文章以状态空间和卡尔曼滤波为基础,对社会消费品零售总额,商品零售物价指数与居民家庭人均可支配收入建模,并在此基础上预测了未来12个月的社会消费品零售总额。将此结果与ARIMA模型的预测结果想比较,得出状态空间建模法的相对误差较小,预测效果更好。     

上证综合指数的All-pass模型

本文介绍了一种能够较好反映金融时间序列特性的线性模型-all-pass模型,以上证综合指数1999年1月5日到2003年9月30日的1122个有效交易日的收益率为实例进行建模,建立低阶all-pass模型,并对未来5天的收盘价进行预测,取得了较高的预测精度.     

基于ARIMA和EGARCH模型的中国入境旅游收汇预测分析

本文采用ARIMA模型和EGARCH模型,利用SAS软件对2001年1月到2005年8月中国入境旅游收汇数据进行分析,并作了拟合预测比较,目的是选择具有较好拟合效果的模型。     

上海股市的时间序列模型研究

现实经济生活中的股市行情是一个随时间推移而变化的过程,投资者要想在瞬息万变的证券投资市场上获得有限投资的最大利润,就必须对股市进行时间序列分析,建立适当的数学模型,然后根据数学模型预测证券变化趋势.本文介绍了时间序列分析的两种常见的模型:自回归移动平均模型和条件异方差模型,并把它们结合,对上证综指近五年的1122个有效收益数据进行建模,并对未来几天的收盘价作预测,比较得出模型的优劣性.     

基于EGAROH-Gopula的金融市场条件相依分析

文章应用条件copula函数拟合上证指数和深证成指收益率的联合分布.对上证指数和深证成指收益率应用EGARCH-t模型拟合其条件分布,在此基础上根据连续条件分布Sklar定理.采用条件正态copula函数建立两者的联合分布.结果表明,EGARCH-t模型能够很好的描述两指数收益率的特征,正态Copula能够很好的描述沪深股市的相关性信息.