结构分量模型选择与稳健性研究

本文的主要工作是对季节调整中结构分量模型的选择及稳健性问题进行研究。通过构造备选模型、引入正态先验分布及对MCMC抽样方案进行重新设计,本文提出了能同时有效地辨别出分量个数和分量随机性与否的模型选择方法。将该方法应用于对中国季度GDP序列的季节调整建模分析中。分析结果显示,本文所提出的模型选择方法具有较高的筛选能力,并且对先验分布超参数值的变动也具有很好的稳健性。     

季节调整新方法及其原理研究

本文的主要工作是从频域的角度对季节调整中“季节滤子”的设计及估计问题进行研究。通过将直接信号提取（DSEF）方法引入到季节调整的应用之中,突破现有季节调整方法中仅能处理季度或月度数据的限制,且该方法下季节调整后的序列是理论季节调整后序列的“均方误差”最小估计。将DSEF方法应用于对中国季度进出口总额序列的季节调整分析中。分析结果显示,相比于X-11和SEATS方法,DSEF方法季节调整结果的离差较小且稳健性较好。     

指数交叉对偶理论及其本质探讨

指数交叉对偶理论的问世是指数理论发展史上灿烂的一页,指数交叉对偶的方法在消除指数公式选择过程中出现得偏性、提升公式检验水平的研究中得到了广泛的应用和发展,也获得了令人瞩目的成就,为指数理论的研究和实际应用开辟了新天地。按照参与期的标准把指数交叉对偶划分为两位置交叉与多位置交叉并对其实现方式进行分别探讨,针对理论界一些值得商榷的观点给予了剖析,并通过对交叉公式与基本公式及交叉公式之间相对离差趋势的研究,揭示其在运算过程中对公式及数据偏性进行修正。     

随机波动模型贝叶斯估计效率研究

讨论了四种不同MCMC抽样方案在SV模型贝叶斯估计中的适应性和稳健性问题。蒙特卡洛模拟结果显示,随机误差项的近似处理方式和波动变量抽样结构直接影响SV模型的贝叶斯估计效率。具体来说,波动变量的"成块"抽样比"逐分量"抽样的效率更高;随机误差项有限混合近似比正态近似的估计精度更优。四种抽样方案中,正态近似和FFBS算法的收敛速度和运算时间最快,有限混合近似和FFBS算法的估计精度最优。