储召博:非恒定方差的长记忆序列持久性变点统计推断论文

储召博:非恒定方差的长记忆序列持久性变点统计推断论文

本文主要研究内容

作者储召博(2019)在《非恒定方差的长记忆序列持久性变点统计推断》一文中研究指出:随着长记忆时间序列理论的不断发展,利用长记忆时间序列刻画经济和金融数据的演变特征得到广泛的运用,鉴于序列平稳与否决定了完全不同的时间序列建模方法,准确判断序列是否存在持久性变点,对于提高模型的准确率具有重要的意义。传统的持久性变点检验以序列具有同方差假设为基础,但时序数据往往具有异方差性,这将导致相关结论不再适用。因此,本文在长记忆时间序列持久性变点检验的基础上引入了异方差,考虑了异方差对长记忆时间序列持久性变点检验与估计的影响。基于累积和方法研究了持久性变点问题。当方差在恒定的情形下,利用广义中心极限定理,证明了原假设下的极限分布是分数布朗运动的泛函。当方差是非恒定的情形下,极限分布不再仅依赖于长记忆指数,还与方差变点的跳跃幅度、变化方向及变化时刻密切相关。当备择假设成立时,统计量的经验势出现不同程度的损失,尤其在持久性变点由平稳过程变为非平稳过程的情况下,方差发生负向变化时,随着跳跃幅度增大,变点时刻偏后,损失现象也越严重。同时在6种不同的情形下考虑了持久性变点估计问题,其结果说明估计的精确性仍受制于方差变点的影响。针对持久性变点检验与估计受异方差影响的缺陷,利用了Bootstrap方法,旨在降低异方差对检验功效的干扰作用。数值模拟表明该方法能有效避免由于异方差产生检验水平扭曲的现象,使得经验水平值均接近正常的显著水平,同时检验势也有显著的提升。由此可见,基于Bootstrap累积和检验对于含有异方差的长记忆时间序列持久性变点检验具有良好的功效。通过利用两组金融时序数据证明了文中所提方法的可行性和有效性。

Abstract

sui zhao chang ji yi shi jian xu lie li lun de bu duan fa zhan ,li yong chang ji yi shi jian xu lie ke hua jing ji he jin rong shu ju de yan bian te zheng de dao an fan de yun yong ,jian yu xu lie ping wen yu fou jue ding le wan quan bu tong de shi jian xu lie jian mo fang fa ,zhun que pan duan xu lie shi fou cun zai chi jiu xing bian dian ,dui yu di gao mo xing de zhun que lv ju you chong yao de yi yi 。chuan tong de chi jiu xing bian dian jian yan yi xu lie ju you tong fang cha jia she wei ji chu ,dan shi xu shu ju wang wang ju you yi fang cha xing ,zhe jiang dao zhi xiang guan jie lun bu zai kuo yong 。yin ci ,ben wen zai chang ji yi shi jian xu lie chi jiu xing bian dian jian yan de ji chu shang yin ru le yi fang cha ,kao lv le yi fang cha dui chang ji yi shi jian xu lie chi jiu xing bian dian jian yan yu gu ji de ying xiang 。ji yu lei ji he fang fa yan jiu le chi jiu xing bian dian wen ti 。dang fang cha zai heng ding de qing xing xia ,li yong an yi zhong xin ji xian ding li ,zheng ming le yuan jia she xia de ji xian fen bu shi fen shu bu lang yun dong de fan han 。dang fang cha shi fei heng ding de qing xing xia ,ji xian fen bu bu zai jin yi lai yu chang ji yi zhi shu ,hai yu fang cha bian dian de tiao yue fu du 、bian hua fang xiang ji bian hua shi ke mi qie xiang guan 。dang bei ze jia she cheng li shi ,tong ji liang de jing yan shi chu xian bu tong cheng du de sun shi ,you ji zai chi jiu xing bian dian you ping wen guo cheng bian wei fei ping wen guo cheng de qing kuang xia ,fang cha fa sheng fu xiang bian hua shi ,sui zhao tiao yue fu du zeng da ,bian dian shi ke pian hou ,sun shi xian xiang ye yue yan chong 。tong shi zai 6chong bu tong de qing xing xia kao lv le chi jiu xing bian dian gu ji wen ti ,ji jie guo shui ming gu ji de jing que xing reng shou zhi yu fang cha bian dian de ying xiang 。zhen dui chi jiu xing bian dian jian yan yu gu ji shou yi fang cha ying xiang de que xian ,li yong le Bootstrapfang fa ,zhi zai jiang di yi fang cha dui jian yan gong xiao de gan rao zuo yong 。shu zhi mo ni biao ming gai fang fa neng you xiao bi mian you yu yi fang cha chan sheng jian yan shui ping niu qu de xian xiang ,shi de jing yan shui ping zhi jun jie jin zheng chang de xian zhe shui ping ,tong shi jian yan shi ye you xian zhe de di sheng 。you ci ke jian ,ji yu Bootstraplei ji he jian yan dui yu han you yi fang cha de chang ji yi shi jian xu lie chi jiu xing bian dian jian yan ju you liang hao de gong xiao 。tong guo li yong liang zu jin rong shi xu shu ju zheng ming le wen zhong suo di fang fa de ke hang xing he you xiao xing 。

论文参考文献

  • [1].基于比值统计量的方差无穷序列平稳指数变点研究[D]. 姚艳茹.西安科技大学2019
  • [2].长记忆序列均值变点的统计分析及在金融中的应用[D]. 杨立平.西安科技大学2019
  • [3].存在变点的异方差数据的处理[D]. 史雪莹.山西大学2019
  • [4].长记忆时间序列趋势项变点分析及应用[D]. 吉毛加.青海师范大学2019
  • [5].长记忆时间序列均值多变点的精准估计[D]. 徐琼瑶.青海师范大学2019
  • [6].随机比例模型估计及其在变点检验中的应用[D]. 韦达.安徽大学2019
  • [7].面板数据变点的统计推断[D]. 尉梦珂.淮北师范大学2019
  • [8].两类厚尾相依序列变点的估计和检验[D]. 陈璐.淮北师范大学2019
  • [9].时间序列变点的统计推断[D]. 卢光贝.吉林大学2018
  • [10].更新几何过程参数的统计推断及其应用研究[D]. 李静.长沙理工大学2017
  • 读者推荐
  • [1].粒子群算法优化的支持向量机时间序列预测方法的研究[D]. 张乔.长安大学2019
  • [2].基于深度神经网络的股票智能预测系统的设计与实现[D]. 李勇.西北大学2019
  • [3].基于多变量的时间序列分析预测研究[D]. 翟嘉伊.电子科技大学2019
  • [4].上证综指的长记忆性检验及其预测研究[D]. 黄志平.江西财经大学2019
  • [5].基于深度信念网络的时间序列预测研究[D]. 李妮.西安理工大学2019
  • [6].基于混合模型的时间序列预测方法研究[D]. 韩峰.天津理工大学2019
  • [7].基于点过程的序列预测算法研究[D]. 江海洋.太原理工大学2019
  • [8].基于变分模态分解和神经网络的混沌时间序列预测研究[D]. 马骁.西安邮电大学2019
  • [9].基于相关向量机的混合模型在时间序列预测中的研究[D]. 冯小素.兰州大学2019
  • [10].小波分析在信号去噪中的应用研究[D]. 王芳.西华大学2009
  • 论文详细介绍

    论文作者分别是来自西安科技大学的储召博,发表于刊物西安科技大学2019-10-15论文,是一篇关于持久性变点论文,异方差论文,累积和统计量论文,西安科技大学2019-10-15论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自西安科技大学2019-10-15论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。

    标签:;  ;  ;  ;  

    储召博:非恒定方差的长记忆序列持久性变点统计推断论文
    下载Doc文档

    猜你喜欢