發(fā)布時(shí)間：2021-04-19 19:20

　　預(yù)測是識別真實(shí)世界的重要途徑,也是經(jīng)濟(jì)和金融等領(lǐng)域的首要研究問題。為了能正確地預(yù)測未來數(shù)據(jù),研究者分別構(gòu)建參數(shù)、非參數(shù)和半?yún)?shù)等模型來刻畫數(shù)據(jù)背后的規(guī)律。這些模型之間各具優(yōu)勢,又彼此競爭,而且它們都攜帶著對預(yù)報(bào)分析有價(jià)值的信息。為了科學(xué)地利用模型中的有效信息并作出準(zhǔn)確預(yù)報(bào),學(xué)者們提出了兩種思路,即模型選擇方法和模型平均方法。模型選擇是依據(jù)某種標(biāo)準(zhǔn),從待選的模型中挑選出相對最優(yōu)的模型,然后再做推斷和預(yù)測分析。模型選擇能在一定程度上提高預(yù)測精度,但是僅選擇一個(gè)最優(yōu)模型進(jìn)行預(yù)測的做法具有片面性,可能會遺漏次優(yōu)模型含有的重要信息和面臨模型誤設(shè)問題。為了捕捉更多有用信息于最終模型中,就需要用到模型平均預(yù)測方法,即根據(jù)現(xiàn)有信息構(gòu)造出若干種可能的候選模型,然后分別給每個(gè)候選模型賦權(quán),對候選模型預(yù)測值進(jìn)行加權(quán)平均,得到最終的預(yù)測值。模型平均預(yù)測方法可以靈活地調(diào)整最終模型的結(jié)構(gòu),減少信息遺漏,有效提高預(yù)測精確度。模型平均預(yù)測方法的研究方向大致可以分為兩大類:一是被平均的子模型類別的擴(kuò)充,二是如何確定子模型的權(quán)重。在充分理解現(xiàn)有研究的基礎(chǔ)上,本文對子模型權(quán)重的確定方法進(jìn)行了創(chuàng)新,分別提出用經(jīng)驗(yàn)似然法和自適... 

【文章來源】：華中師范大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1. 緒論
    1.1 研究意義
    1.2 文獻(xiàn)綜述
        1.2.1 模型平均法的理論綜述
        1.2.2 模型平均法的應(yīng)用綜述
        1.2.3 啟發(fā)與思考
    1.3 論文框架與創(chuàng)新點(diǎn)
2. 預(yù)備理論
    2.1 非參數(shù)和半?yún)?shù)回歸模型
        2.1.1 非參數(shù)回歸模型
        2.1.2 半?yún)?shù)回歸模型
    2.2 模型平均預(yù)測方法
        2.2.1 子模型權(quán)重確定方法
        2.2.2 子模型類別的擴(kuò)充
    2.3 經(jīng)驗(yàn)似然法
3. 經(jīng)驗(yàn)似然模型平均法
    3.1 引言
    3.2 經(jīng)驗(yàn)似然權(quán)重
    3.3 數(shù)值模擬
        3.3.1 方法與數(shù)據(jù)
        3.3.2 結(jié)果分析
    3.4 本章小結(jié)
4. 自適應(yīng)變權(quán)重模型平均法
    4.1 引言
    4.2 自適應(yīng)變權(quán)重
        4.2.1 權(quán)函數(shù)的設(shè)定與估計(jì)
        4.2.2 權(quán)重理論性質(zhì)
    4.3 數(shù)值模擬
        4.3.1 數(shù)據(jù)與方法
        4.3.2 結(jié)果分析
    4.4 本章小結(jié)
5. 波動(dòng)率預(yù)測
    5.1 引言
    5.2 HAR-RV模型及其變形
    5.3 實(shí)證分析
        5.3.1 數(shù)據(jù)選取與預(yù)處理
        5.3.2 子模型的選取
        5.3.3 預(yù)測方法與結(jié)果分析
    5.4 本章小結(jié)
6. 總結(jié)與展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]“壞”跳躍、“好”跳躍與高頻波動(dòng)率預(yù)測[J]. 陳國進(jìn),丁杰,趙向琴.  管理科學(xué). 2018(06)
[2]基于模型平均方法的基金績效預(yù)測研究[J]. 李莉莉,崔迎鵬,盧睿,喬婧妍.  系統(tǒng)科學(xué)與數(shù)學(xué). 2018(06)
[3]運(yùn)用最小二乘模型平均法預(yù)測外匯實(shí)際波動(dòng)率（英文）[J]. 邱越,謝天.  系統(tǒng)科學(xué)與數(shù)學(xué). 2018(06)
[4]非線性GARCH族的模型平均估計(jì)方法[J]. 姚青松,趙國慶,劉慶豐.  統(tǒng)計(jì)研究. 2018(05)
[5]GARCH族的模型平均估計(jì)方法[J]. 趙國慶,姚青松,劉慶豐.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2017(06)
[6]模型平均預(yù)測理論與實(shí)證研究[J]. 趙國慶,鄔瓊.  商業(yè)經(jīng)濟(jì)與管理. 2014(07)
[7]基于成分?jǐn)?shù)據(jù)的變權(quán)重組合預(yù)測的權(quán)重確定[J]. 張曉琴,陳佳佳,張振華.  山西大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(02)
[8]基于貝葉斯模型平均方法的中國通貨膨脹的建模及預(yù)測[J]. 陳偉,牛霖琳.  金融研究. 2013(11)
[9]模型平均方法及其在預(yù)測中的應(yīng)用[J]. 張新雨,鄒國華.  統(tǒng)計(jì)研究. 2011(06)



本文編號：3148151