检索结果-内蒙古大学图书馆

本文将通常的门限非对称误差修正模型进行了拓展,在门限变量为一般平稳变量情形下,建立了对协和向量和门限参数联合估计的条件最小二乘估计法;构造了对门限非对称效应检验的SupWald统计量,并给出了其渐近分布的bootstrap逼近方法。Monte Carlo模拟研究的结果表明:随着样本量的增大,协和向量和门限参数的条件最小二乘估计量具有一致性特征;在有限样本下,SupWald统计量具有较好的检验水平和较高的检验势。将这一模型应用于对沪深300股票指数期货和现货价格之间动态关系的研究,结果表明两者之间长期存在协和关系,短期非均衡误差调整动态存在门限非对称效应。

关键词：一般门限非对称误差修正模型条件最小二乘估计非对称性检验股指期货

来源：评论

学校读者我要写书评

暂无评论

具有Laplace边际分布的二元自回归模型的统计推断

引用

吉林大学学报（理学版） 2018年第6期56卷 1419-1422页

作者：陈晋王德辉吉林建筑大学城建学院基础科学部长春130114 吉林大学数学学院长春130012

考虑具有Laplace边际分布的二元一阶自回归时间序列模型,给出该模型的性质及参数的条件最小二乘估计,并讨论估计量的相合性和渐近正态性.最后给出数值模拟和实例分析.

关键词：二元自回归模型 BEAR(1)模型 NLAR(2)模型条件最小二乘估计

来源：评论

学校读者我要写书评

暂无评论

观察值驱动的广义INAR(1)过程的经验似然推断

引用

统计与决策 2020年第14期36卷 10-14页

作者：许晶于梅菊李淑文东北师范大学数学与统计学院长春130000 通化师范学院数学学院吉林通化134000

整值时间序列分析作为时间序列分析的重要组成部分,被广泛地应用于社会生活的各个领域。文章提出了一类观察值驱动的广义INAR(l)过程,推导了该模型的概率统计性质,并利用经验似然的方法研究了该模型的参数估计问题,给出了模型参数的极... 详细信息

整值时间序列分析作为时间序列分析的重要组成部分,被广泛地应用于社会生活的各个领域。文章提出了一类观察值驱动的广义INAR(l)过程,推导了该模型的概率统计性质,并利用经验似然的方法研究了该模型的参数估计问题,给出了模型参数的极大经验似然估计量及其渐近分布。通过一系列的仿真实验,验证了经验似然方法的有效性。最后利用所提出的模型拟合了一组犯罪数据。

关键词：整值时间序列模型观察值驱动的广义INAR(1)过程条件最小二乘估计经验似然估计

来源：评论

学校读者我要写书评

暂无评论

零修正Skellam整数值GARCH模型

引用

应用概率统计 2024年第5期40卷 843-862页

作者：马悦朱复康吉林大学数学学院长春130012

Skellam分布是一种定义在Z上的离散分布.最近,基于Skellam分布和修正Skellam分布的INGARCH模型相继被提出.本文在零修正Skellam(ZMS)分布的基础上,提出了ZMSINGARCH模型.该模型基于一个额外的参数对整数0进行了细致的处理,并且对零膨胀... 详细信息

Skellam分布是一种定义在Z上的离散分布.最近,基于Skellam分布和修正Skellam分布的INGARCH模型相继被提出.本文在零修正Skellam(ZMS)分布的基础上,提出了ZMSINGARCH模型.该模型基于一个额外的参数对整数0进行了细致的处理,并且对零膨胀或零收缩比例有着合理的解释,可以更好地拟合数据和捕获非零均值时间序列中的波动性.当模型的阶数p=1且q=1时给出了模型的定义和统计性质,通过数值模拟发现条件极大似然估计优于条件最小二乘估计.基于对数似然比统计量,检验了修正后的模型,通过分析来自不同股票交易市场的两个实例说明了该模型具有良好的性质.

关键词： INGARCH模型 Z值时间序列 ZMS分布条件极大似然估计条件最小二乘估计

来源：评论

学校读者我要写书评

暂无评论

带移民分枝过程的波动极限定理及其统计应用

引用

应用概率统计 2022年第3期38卷 454-474页

作者：马春华南开大学数学科学学院和核心数学与组合数学教育部重点实验室天津300071

我们建立了带移民Galton-Watson分枝过程的波动极限定理,其极限过程为由谱正勒维过程驱动的非时齐Ornstein-Uhlenbeck型过程.作为定理的统计应用,我们得到了后代分布的期望与移民分布的期望的条件最小二乘的渐近估计.

关键词：带移民Galton-Watson分枝过程 Ornstein-Uhlenbeck型过程波动极限条件最小二乘估计

来源：评论

学校读者我要写书评

暂无评论

两类时间序列模型的异常值检测研究

两类时间序列模型的异常值检测研究

引用

作者：尚华首都经济贸易大学

学位级别：博士

时间序列的异常值检测是时间序列分析中的一个重要研究方向,它能够为不同领域的实际问题提供很多重要信息。整值时间序列和多元时间序列是时间序列分析的重要组成部分,广泛存在于交通、医学、金融等各个领域。因此,研究整值时间序列和... 详细信息

时间序列的异常值检测是时间序列分析中的一个重要研究方向,它能够为不同领域的实际问题提供很多重要信息。整值时间序列和多元时间序列是时间序列分析的重要组成部分,广泛存在于交通、医学、金融等各个领域。因此,研究整值时间序列和多元时间序列的异常值检测对异常值检测理论的发展及解决相关社会实际问题都有着重要的理论和实践意义。然而,广泛深入的文献研究结果显示,当前主流的时间序列异常值检测方法基本上都是针对ARMA或ARIMA模型的,即假定变量为一元连续型的随机变量,对现实生活中广泛存在的不是一元连续型的时间序列数据,特别是对整值时间序列或多元时间序列数据的异常值检测研究严重不足。一阶整值自回归(INAR(1))模型和向量自回归(VAR)模型分别是描述整值时间序列和多元时间序列最为成功的模型。这两个模型的简单性和易解释性使其成为整值时间序列分析和多元时间序列分析的重要工具。鉴于以上因素,本文重点研究了INAR(1)模型和VAR模型这两类时间序列模型的异常值检测。本文的主要研究工作如下:第一,介绍并且对比了现有时间序列异常值检测方法。首先介绍了时间序列模型的概念和特征,以及常见的异常值的概念和类型。其次介绍了似然比检验、影响分析法以及贝叶斯方法三种常见的异常值检测方法,随后对这三种方法进行了模拟实验对比研究。最后说明这几种方法各自的优缺点。第二,研究了同时包含加性异常值(AO类)和新息异常值(IO类)的INAR(1)模型。定义了同时包含AO类和IO类异常值的INAR(1)模型,给出当模型中含有一个AO类和一个IO类异常值,并且这两个异常时刻(不相邻)已知时,参数的条件最小二乘(CLS)估计,证明了它们的唯一性、一致收敛性和渐近正态性,并且说明可以将上述结果推广到模型中含有有限个AO类和有限个IO类异常值的情况。第三,提出了对INAR(1)模型进行异常值检测的贝叶斯方法。此方法可以识别异常值发生的时刻并判别其异常类型为AO类或IO类,同时可以估计参数和异常大小。该方法应用时也不需要提前知道异常值的类型和个数。本文还进行了大量的模拟实验,并应用服务器IP访问数据进行了研究,验证了该方法的有效性。最后,提出了对VAR模型异常值检测的贝叶斯方法。本文将已有贝叶斯方法对AR模型的参数估计和异常值检测推广到VAR模型。基于VAR模型的模拟数据,用贝叶斯方法与似然比检验方法进行了异常值检测的对比研究,结果显示贝叶斯方法优于似然比检验法。最后,将本章所提的贝叶斯异常值检测方法用于对实际宏观经济数据的研究,结果表明该方法是可行的。

关键词：异常值贝叶斯方法条件最小二乘估计 INAR(1)模型 VAR模型

来源：评论

学校读者我要写书评

暂无评论

随机系数分歧自回归模型的参数估计

随机系数分歧自回归模型的参数估计

引用

作者：孙耀东吉林大学

学位级别：硕士

分歧自回归模型主要用于分析细胞分裂过程中相关数据，处理母细胞与子细胞及子细胞之间的关系。它是自回归模型的推广，解释了遗传及环境因素对细胞分裂过程的影响，对细胞分裂规律的研究有重要作用。在之前的研究中，人们集中处理常系... 详细信息

分歧自回归模型主要用于分析细胞分裂过程中相关数据，处理母细胞与子细胞及子细胞之间的关系。它是自回归模型的推广，解释了遗传及环境因素对细胞分裂过程的影响，对细胞分裂规律的研究有重要作用。在之前的研究中，人们集中处理常系数分歧自回归模型，但有些情形模型中的系数是随时间变化的甚至是随机的，本文主要分析系数随机变化时即随机系数分歧自回归模型的性质，给出参数估计及估计量渐近性质。本文共分两部分，第一章是绪论，给出了分歧自回归模型的相关背景，介绍了该模型的研究现状。第二章第一节，本文作者推导了整数形式分歧自回归模型的表示式，证明了模型的马尔可夫性。第二节，作者在整数形式分歧自回归模型基础上提出随机系数分歧自回归模型，给出了模型的定义，分析了模型的性质，最后考察了随机系数分歧自回归模型参数的条件最小二乘估计，并讨论了估计量的渐近正态性。

关键词：随机系数分歧自回归模型条件最小二乘估计拟似然估计

来源：评论

学校读者我要写书评

暂无评论

泊松指数分布整数值AR（1）-GARCH（1，1）模型

泊松指数分布整数值AR（1）-GARCH（1，1）模型

引用

作者：刘欣河南师范大学

学位级别：硕士

整数值时间序列在生物、金融、医疗、保险、环境、工业、商业、经济、社会等许多领域都有广泛的应用,因此整数值数据模型一直是时间序列分析的一个热点.本文基于新息项的分布为泊松指数分布的情况下研究整数值序列的AR(1)-GARCH(1,1)模... 详细信息

整数值时间序列在生物、金融、医疗、保险、环境、工业、商业、经济、社会等许多领域都有广泛的应用,因此整数值数据模型一直是时间序列分析的一个热点.本文基于新息项的分布为泊松指数分布的情况下研究整数值序列的AR(1)-GARCH(1,1)模型. 首先,给出了泊松指数分布的定义,随后得到了其概率分布表达式,并讨论了泊松指数分布与几何分布的关系,计算了泊松指数分布的均值、方差、偏度和峰度,介绍了生成泊松指数分布随机数的方法. 其次,建立了整数值的AR(1)-GARCH(1,1)模型,并利用条件最小二乘估计的估计方法和Yule-Walker估计的估计方法给出了INAR(1)模型中参数α的估计量的表达式,依据泊松指数分布建立了INGARCH(1,1)模型中参数的条件最小二乘估计量及得到了条件似然函数,推导出了INGARCH(1,1)模型中参数需要满足的条件最小二乘估计和极大似然估计的非线性隐式方程组,并给出了Hessian矩阵的表达式. 再次,利用蒙特卡洛模拟这个工具,随机产生了多个轨道,进而,对参数估计的效果进行了分析,比较了AR(1)模型的新息项的条件最小二乘估计量和Yule-Walker估计量的估计效果,利用数值模拟的方法得到了整值GARCH(1,1)模型的条件最小二乘估计和条件极大似然估计的结果,并对其进行了比较分析. 最后,利用股票的卖家交易量进行建模,实证分析后,给出了整数值AR(1)-GARCH(1,1)模型的各参数估计结果.

关键词：泊松指数分布 INAR(1) INGARCH(1,1) 条件最小二乘估计 Yule-Walker估计条件极大似然估计

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：