發(fā)布時(shí)間：2020-08-26 02:25

【摘要】：門限ARMA模型是十分重要的時(shí)間序列模型,在經(jīng)濟(jì)、金融等領(lǐng)域都有重要的應(yīng)用價(jià)值。門限ARMA模型參數(shù)的傳統(tǒng)極大似然估計(jì)方法沒有考慮參數(shù)的先驗(yàn)信息和樣本的后驗(yàn)分布存在一些不足。貝葉斯估計(jì)方法是目前參數(shù)估計(jì)方面比較流行的方法之一,貝葉斯方法考慮到參數(shù)先驗(yàn)信息的因素和后驗(yàn)分布的價(jià)值,貝葉斯估計(jì)在門限ARMA模型參數(shù)估計(jì)方面更加明顯的優(yōu)勢。本文主要從貝葉斯方法研究門限ARMA模型;利用后驗(yàn)分布通過MCMC方法得出參數(shù)估計(jì)值;結(jié)合2018年1月2日到2019年4月8日滬深300指數(shù)對(duì)數(shù)收益率序列驗(yàn)證了貝葉斯估計(jì)下的門限ARMA模型的有效性。首先,介紹了門限ARMA模型,通過門限RMA模型的定義和二體制門限ARMA模型,分析了模型參數(shù)的性質(zhì)。其次,選取適當(dāng)先驗(yàn)分布,采用Metropolis-Hastings算法和Gibbs抽樣方法對(duì)門限自回歸滑動(dòng)平均模型參數(shù)進(jìn)行貝葉斯估計(jì),推導(dǎo)其后驗(yàn)分布。通過對(duì)Metropolis-Hastings算法和Gibbs抽樣方法的描述,給出了MCMC算法和具體操作步驟。最后,選取2018年1月2日到2019年4月8日滬深300指數(shù)數(shù)據(jù),計(jì)算滬深300指數(shù)對(duì)數(shù)收益率,通過門限ARMA模型對(duì)滬深300指數(shù)對(duì)數(shù)收益率進(jìn)行實(shí)證研究,分析了滬深300指數(shù)對(duì)數(shù)收益率的波動(dòng)情況。
【學(xué)位授予單位】：中國礦業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：F224;F832.51

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳家清;劉次華;;線性指數(shù)分布參數(shù)的經(jīng)驗(yàn)貝葉斯估計(jì)[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年10期

2 王志忠,宋允全;非線形模型方差的貝葉斯估計(jì)(英文)[J];云南大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年04期

3 韋程?hào)|,王成名,王煒火斤;相依樣本時(shí)的線性經(jīng)驗(yàn)貝葉斯估計(jì)[J];廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年01期

4 趙喜林;二項(xiàng)分布的經(jīng)驗(yàn)貝葉斯估計(jì)及應(yīng)用[J];武漢科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2000年03期

5 田保光,王奉民;貝葉斯估計(jì)的影響分析[J];信陽師范學(xué)院學(xué)報(bào)(自然科學(xué)版);1997年01期

6 周錫年;;關(guān)于貝葉斯估計(jì)[J];杭州教育學(xué)院學(xué)報(bào);1992年02期

7 楊元喜;抗差貝葉斯估計(jì)及應(yīng)用[J];測繪學(xué)報(bào);1992年01期

8 張世英,劉金塘;小樣本參數(shù)的貝葉斯估計(jì)方法[J];天津大學(xué)學(xué)報(bào);1989年03期

9 Rane L.Curl;王仁鐸;;同位素年齡差的貝葉斯估計(jì)[J];地質(zhì)科學(xué)譯叢;1989年03期

10 溫利民;張美;程子紅;章溢;;帕累托索賠分布中風(fēng)險(xiǎn)參數(shù)的經(jīng)驗(yàn)貝葉斯估計(jì)[J];應(yīng)用概率統(tǒng)計(jì);2015年03期

相關(guān)會(huì)議論文 前9條

1 方麗婷;;空間滯后面板平滑轉(zhuǎn)換模型的貝葉斯估計(jì)[A];21世紀(jì)數(shù)量經(jīng)濟(jì)學(xué)（第18卷）[C];2017年

2 何子劍;詹瑩;邵華;;最大后驗(yàn)貝葉斯估計(jì)法用于治療藥物監(jiān)測的優(yōu)化采樣[A];2016年中國藥學(xué)大會(huì)暨第十六屆中國藥師周論文集[C];2016年

3 蔣青嬗;;門限空間隨機(jī)前沿模型估計(jì)方法研究[A];21世紀(jì)數(shù)量經(jīng)濟(jì)學(xué)（第18卷）[C];2017年

4 王兆強(qiáng);胡昌華;司小勝;張建勛;王慧穎;;一種基于維納過程和貝葉斯估計(jì)的獨(dú)立部件剩余壽命實(shí)時(shí)預(yù)測方法[A];第25屆中國控制與決策會(huì)議論文集[C];2013年

5 韋順軍;田博坤;張曉玲;;基于稀疏貝葉斯正則化的LASAR高分辨成像算法[A];第四屆高分辨率對(duì)地觀測學(xué)術(shù)年會(huì)論文集[C];2017年

6 邱有恒;馬智博;;不完全先驗(yàn)信息轉(zhuǎn)化為貝塔分布的數(shù)值模擬[A];第五屆全國青年計(jì)算物理學(xué)術(shù)交流會(huì)論文摘要[C];2008年

7 胡朝暉;羅繼勛;王邑;蔡佳;;紅外制導(dǎo)空空導(dǎo)彈抗干擾性能試驗(yàn)及評(píng)估研究[A];第二屆紅外成像系統(tǒng)仿真測試與評(píng)價(jià)技術(shù)研討會(huì)論文集[C];2008年

8 王肖南;周曉華;;無金標(biāo)準(zhǔn)情況下多個(gè)診斷試驗(yàn)準(zhǔn)確度的貝葉斯估計(jì)——基于Copula相關(guān)結(jié)構(gòu)[A];2017年中國衛(wèi)生統(tǒng)計(jì)學(xué)學(xué)術(shù)年會(huì)論文集[C];2017年

9 李超;胡謀法;徐世友;陳曾平;;基于Bayesian方法的多層融合空間目標(biāo)識(shí)別系統(tǒng)[A];2006中國控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

相關(guān)博士學(xué)位論文 前10條

1 顧曉輝;滾動(dòng)軸承多目標(biāo)故障特征提取與狀態(tài)評(píng)估方法研究[D];石家莊鐵道大學(xué);2018年

2 王瀟瀟;對(duì)比敏感度函數(shù)的非參貝葉斯估計(jì)[D];中國科學(xué)技術(shù)大學(xué);2016年

3 季云云;壓縮感知觀測矩陣與脈沖噪聲環(huán)境下重構(gòu)算法研究[D];南京郵電大學(xué);2014年

4 李炳;人民幣有效匯率沖擊對(duì)宏觀經(jīng)濟(jì)波動(dòng)的影響研究[D];華中科技大學(xué);2016年

5 肖宿;貝葉斯框架下圖像恢復(fù)及相關(guān)技術(shù)的研究[D];華南理工大學(xué);2010年

6 鄭嘉偉;杠桿率的宏觀經(jīng)濟(jì)效應(yīng)研究[D];中共中央黨校;2016年

7 劉士清;單樁豎向承載力的貝葉斯估計(jì)及可靠度研究[D];華中科技大學(xué);2011年

8 宋楊;市場信心與貨幣政策預(yù)期引導(dǎo)[D];安徽大學(xué);2017年

9 付曉薇;基于量子力學(xué)的圖像處理方法研究[D];華中科技大學(xué);2010年

10 孟麗新;隨機(jī)微分方程的適定性及微分方程參數(shù)的貝葉斯估計(jì)方法[D];東北師范大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 馬曉玲;具有誤差自回歸的似乎不相關(guān)模型參數(shù)的貝葉斯估計(jì)[D];新疆大學(xué);2019年

2 路曉婷;兩項(xiàng)中文記錄匹配的貝葉斯估計(jì)[D];廈門大學(xué);2017年

3 袁西航;模糊動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)在鉆井風(fēng)險(xiǎn)中的應(yīng)用研究[D];西南石油大學(xué);2018年

4 王佩;門限ARMA模型的貝葉斯估計(jì)[D];中國礦業(yè)大學(xué);2019年

5 林盼盼;約束條件下的線性貝葉斯估計(jì)[D];北京交通大學(xué);2018年

6 李蒙;0-1膨脹負(fù)二項(xiàng)模型及其統(tǒng)計(jì)分析[D];華東師范大學(xué);2018年

7 石澤森;受限環(huán)境下特種作戰(zhàn)小組合作定位方法研究[D];國防科學(xué)技術(shù)大學(xué);2016年

8 尹珊珊;隨機(jī)效應(yīng)模型中方差分量的線性近似貝葉斯估計(jì)[D];北京交通大學(xué);2018年

9 陳小雪;基于加權(quán)貝葉斯網(wǎng)絡(luò)的證據(jù)融合方法研究[D];山東師范大學(xué);2018年

10 喬亞琴;基于貝葉斯網(wǎng)模型的多標(biāo)簽學(xué)習(xí)算法研究[D];西安工程大學(xué);2018年

本文編號(hào)：2804540