ARMA模型、ARFIMA模型及其贝叶斯统计推断与实证分析

ARMA模型、ARFIMA模型及其贝叶斯统计推断与实证分析

论文摘要

在经济领域中,我们通常运用经典的短记忆时间序列ARMA模型来进行客观经济过程的描述和预测。然而在实际应用中,由于经济领域的特殊性,往往会碰到很多具有长记忆特性的时间序列,因此,需引入时间序列理论体系中的一个新领域ARFIMA模型。然而传统的频率统计方法进行经济时间序列模型分析也会碰到很多困难。因此,本文再引入一种新的经济时间序列模型分析方法—贝叶斯分析方法。利用贝叶斯分析方法对ARFIMA模型进行分析可提供了一个合理的经济时间序列模型分析框架。本文主要研究了经典经济时间序列ARMA模型及其仿真分析,长记忆特性的时间序列ARFIMA模型及其仿真分析和ARFIMA模型的贝叶斯推断理论及其应用。具体过程如下:首先,分析了时间序列ARMA模型的统计结构,并利用其模型对布伦特石油价格进行预测。再次,分析了时间序列ARFIMA模型的统计结构,并利用R/S分析方法和分数阶差分推导过程,借助于Matlab,S-plus软件,得出布伦特石油价格序列具有长期记忆性,并对石油价格进行预测。最后,对长记忆时间序列ARFIMA模型进行了贝叶斯分析。构建了模型的条件似然函数和参数的先验分布,推导其参数的条件后验密度和边缘后验密度;在数据实证分析中,借助WinBUGS软件包进行了仿真分析。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 引言
  • 1.2 相关统计软件介绍
  • 1.3 本文的研究内容安排
  • 第二章 时间序列ARMA模型及其仿真分析
  • 2.1 引言
  • 2.2 ARMA模型概述
  • 2.2.1 自回归模型(AR(p))
  • 2.2.2 移动平均模型建模(MA(q))
  • 2.2.3 自回归移动平均模型ARMA(p,q)
  • 2.4 ARIMA(p,d,q)模型的形式及建模
  • 2.5 ARIMA(p,d,q)模型预测
  • 2.6 实证研究与数据分析
  • 第三章 ARFIMA(p,d,q)模型及其实证分析
  • 3.1 引言
  • 3.2 ARFIMA模型概述
  • 3.3 R/S分析过程
  • 3.4 分数阶差分推导过程
  • 3.5 ARFIMA(p,η,d,q)模型预测公式推导
  • 3.6 实证研究与数据分析
  • 第四章 ARFIMA(p,d,q)模型的贝叶斯分析
  • 4.1 引言
  • 4.2 ARFIMA模型的贝叶斯推断
  • 4.3 ARFIMA(1,1,04056,1)模型的贝叶斯仿真分析
  • 第五章 全文的总结和展望
  • 5.1 本文所作的工作
  • 5.2 本文的创新之处
  • 5.3 进一步研究展望
  • 参考文献
  • 附录
  • 致谢
  • 攻读硕士学位期间发表的论文
  • 相关论文文献

    • [1].基于ARFIMA模型的内蒙古农林牧渔业总产值研究[J]. 内蒙古师范大学学报(自然科学汉文版) 2014(06)
    • [2].基于已实现波动率的ARFIMA模型在股指期货高频数据中的实证研究[J]. 中国国际财经(中英文) 2016(20)
    • [3].基于ARFIMA模型的钢材价格预测研究[J]. 河北工程大学学报(自然科学版) 2020(03)
    • [4].基于ARFIMA模型的长记忆性参数度量方法比较研究[J]. 中小企业管理与科技(下旬刊) 2020(10)
    • [5].基于ARFIMA模型与GARCH模型的上证指数收益率研究[J]. 河北企业 2017(09)
    • [6].基于MCMC方法的ARFIMA模型贝叶斯分析及实证研究[J]. 数理统计与管理 2012(03)
    • [7].在ARFIMA模型中使用小波的另一种极大似然估计[J]. 南京师大学报(自然科学版) 2010(01)
    • [8].基于R/S检验、ARFIMA模型和小波方差的人民币汇率长记忆性检验[J]. 武汉科技大学学报 2011(02)
    • [9].基于ARFIMA模型的尼罗河年度流量的研究[J]. 纳税 2017(24)
    • [10].基于ARFIMA(p,d,q)模型的中国股市长期记忆性研究[J]. 商场现代化 2011(12)
    • [11].ARFIMA模型参数贝叶斯估计的渐近性质(英文)[J]. 南京师大学报(自然科学版) 2008(02)
    • [12].基于高频金融数据的正交ARFIMA模型及应用[J]. 系统工程理论与实践 2008(11)
    • [13].金融高频数据波动率度量比较——基于ARFIMA模型的VaR视角[J]. 上海金融 2014(01)
    • [14].基于ARFIMA(p,d,q)过程的半参数估计量分布特征及其有偏性研究[J]. 统计研究 2010(09)
    • [15].时间序列ARFIMA模型的参数估计[J]. 滁州学院学报 2011(02)
    • [16].基于“已实现”波动率的ARFIMA模型预测实证研究[J]. 投资研究 2011(10)
    • [17].波罗的海干散货运价指数的ARFIMA模型研究[J]. 中国水运(下半月) 2009(04)
    • [18].我国入境旅游预测:基于ARFIMA模型的研究[J]. 商业研究 2009(06)
    • [19].甲型流感病毒DNA序列的长记忆ARFIMA模型[J]. 物理学报 2011(04)
    • [20].双长记忆GARCH族模型的预测能力比较研究——基于沪深股市数据的实证分析[J]. 中国管理科学 2012(02)
    • [21].乙型、丙型流感病毒的长记忆ARFIMA模型[J]. 生物信息学 2011(02)
    • [22].利用ARFIMA模型研究金融时间序列[J]. 海南师范大学学报(自然科学版) 2008(04)
    • [23].沪港通对沪市股票市场有效性的影响[J]. 经济与管理研究 2015(08)
    • [24].银行间同业拆借利率的波动性研究[J]. 统计与决策 2018(02)
    • [25].基于中国股票市场的长记忆模型应用研究[J]. 重庆工商大学学报(自然科学版) 2014(06)
    • [26].VaR-FIAPARCH模型与上证基金指数风险价值[J]. 现代商业 2009(17)

    标签:;  ;  ;  

    ARMA模型、ARFIMA模型及其贝叶斯统计推断与实证分析
    下载Doc文档

    猜你喜欢