在時間序列的研究分析中,可以發(fā)現(xiàn)觀測數(shù)據(jù)往往具有某種類似于遞增或者遞減的未知趨勢,并且還有一部分是無法觀測到的殘差項.傳統(tǒng)的線性統(tǒng)計模型更適用于線性情況,對于時間序列的平穩(wěn)性要求比較高.但是在實際研究中觀測到的數(shù)據(jù),尤其是金融時間序列分析中,諸如股票、期貨等貿(mào)易及金融數(shù)據(jù)很難有較明確的規(guī)律性,數(shù)據(jù)往往是非線性非平穩(wěn)的.本文研究的問題就是在模型中引入局部回歸以及移動平均的思想,擬合具有非線性特征的數(shù)據(jù).觀測到的數(shù)據(jù)具有某種趨勢,但是并不一定是簡單的線性趨勢,所以本文引入局部回歸思想對數(shù)據(jù)先進行趨勢項擬合,將趨勢項剔除后再對殘差進行自回歸估計.首先介紹了可以用來判別序列的非線性和記憶性的Hurst指數(shù)以及R/S分析法計算指數(shù),進一步判定序列是否需要使用本文介紹的模型進行估計.論文假設(shè)模型是由一個未知的趨勢項函數(shù)加上一個殘差項形成的,在已有的局部加權(quán)線性回歸估計趨勢項結(jié)合自回歸(AR)模型估計誤差項的方法的基礎(chǔ)上引入平均場的概念,提出一種優(yōu)化時間序列擬合模型.即先對數(shù)據(jù)進行移動平均處理,再運用局部加權(quán)線性回歸估計趨勢項,并討論不同窗寬以及不同自回歸系數(shù)的模型分析效果.本文利用這步平均處理對數(shù)據(jù)...

【文章頁數(shù)】：54 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖４．６：殘差的ＡＣＦ圖??

?山東大學(xué)碩士學(xué)位論文???圖４．５：殘差時序圖??艾?＿??可－??＿＿＿Ｉ?｜??Ｉ?１?Ｉ?Ｉ?￣??０?２００?４００?６００?８００?１０００??Ｔｉｍｅ??圖４．６：殘差的ＡＣＦ圖??ｎ＝１０００，ｆｉ＝０．８，ｆ＝ｓｉｎ２ｐｉｘ??０Ｄ??Ｏ??１Ｌ??０玎??＜?....

本文編號：4037181