發(fā)布時(shí)間：2024-06-01 14:03

　　在過去的幾十年中,模型平均因其良好的預(yù)測性質(zhì)備受關(guān)注和喜愛。盡管使用單一的模型更為簡單易懂,然而面對丟失信息、研究片面、預(yù)測風(fēng)險(xiǎn)大等質(zhì)疑時(shí),單一模型無能為力。模型平均充分考慮了上述的缺陷,通過為不同的候選模型分配合適的權(quán)重,建立加權(quán)統(tǒng)計(jì)模型。眾多研究證實(shí),模型平均預(yù)測結(jié)果遠(yuǎn)遠(yuǎn)優(yōu)于單一模型。因此,通過借鑒前人經(jīng)驗(yàn),本文提出改進(jìn)的MAACM模型平均方法。從權(quán)重選擇、漸近最優(yōu)性質(zhì)等方面進(jìn)行理論推導(dǎo)和闡述,并結(jié)合蒙特卡洛數(shù)值模擬、我國房價(jià)預(yù)測實(shí)證分析對模型做進(jìn)一步的研究。首先,本文詳細(xì)闡述了基于AIC、BIC、Mallows準(zhǔn)則、Jackknife準(zhǔn)則等多種權(quán)重選擇方法理論。接下來研究了異方差線性模型的最優(yōu)模型平均問題。由于準(zhǔn)則中隨機(jī)誤差的協(xié)方差矩陣是未知的,因此在準(zhǔn)則中加入了協(xié)方差矩陣的平均估計(jì),以期使用更多的信息來進(jìn)行數(shù)據(jù)的預(yù)測。同時(shí),結(jié)合增大復(fù)雜模型的懲罰項(xiàng),減小其權(quán)重,使得預(yù)測模型更容易收斂到真實(shí)模型的思想,將模型平均權(quán)重選擇準(zhǔn)則中的懲罰項(xiàng)系數(shù)設(shè)置為log(n),由此構(gòu)建了改進(jìn)的MAACM模型平均方法。在一定的正則性條件下,文章推導(dǎo)了改進(jìn)的MAACM模型平均估計(jì)的漸近最優(yōu)性。蒙特卡洛數(shù)...

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖６－１?２００４—２０２１年我國房價(jià)時(shí)序圖（元／平方米）??圖６－１顯示，在２００４—２０２１年期間，商品房價(jià)格總體呈現(xiàn)不斷上漲的趨勢，需要對??數(shù)據(jù)進(jìn)行平穩(wěn)性處理

二、平穩(wěn)性檢驗(yàn)??為了避免偽回歸的出現(xiàn)，在建模前對時(shí)間序列進(jìn)行數(shù)據(jù)處理和平穩(wěn)性檢驗(yàn)。根據(jù)??２００４—２０２１年我國商品房平均銷售價(jià)格（ｐｒｉｃｅ），用Ｒ語言軟件構(gòu)建時(shí)間序列圖進(jìn)行觀??察。??〇?八??§－?Ａ??Ｊ??ｒＪ??Ｏ?ｉ??ｏ?—??＜Ｄ?「＼ｊ??■?ｇ?卜／．....

圖６－２房價(jià)對數(shù)一階差分??

＾２?Ｉ?Ｉ??■＿４??ｉ?ｒ?ｉ?ｉ??２００５?２０１０?２０１５?２０２０??Ｔｉｍｅ??圖６－２房價(jià)對數(shù)一階差分??在所有的解釋變量中，只有失業(yè)率（ｕｎｅｍｐｌｏｙ）數(shù)值較小，其余５個(gè)解釋變量的數(shù)??值都較大，因此在平穩(wěn)性檢驗(yàn)前進(jìn)行取自然對數(shù)處理。自然對數(shù)處理，不僅能有....

圖６－３?８種方法的預(yù)測精度比較??

Ｉ?ｉ——真實(shí)房價(jià)??廣??ＭＡＡＣＭ??〇???ＭＭＡ??Ｉｉ－：ｌ??〇?＿??０５?￣Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ一￣??２０１９?Ｑｔｒ３?２０２０?Ｑｔｒ?１?２０２０?Ｑｔｒ?３?２０２１?Ｑｔｒ?１?２０２１?Ｑｔｒ?３??時(shí)?ｌ、＂Ｊ??圖６－３?８種方....

本文編號：3986000