Hansen在2007年首次提出了馬洛斯模型平均（Mallows Model Averaging,MMA）的方法,它是通過最小化馬洛斯準(zhǔn)則來計(jì)算每個(gè)模型的權(quán)重。而我們這篇文章是擴(kuò)展了馬洛斯型模型平均的三個(gè)主要理論。其一是Hansen（2007）的馬洛斯模型平均（MMA）,其二是Xie（2015）的預(yù)測模型平均（PredictionModel Averaging,PMA）,其三是Zhang et a1.（2015）的基于KL距離的模型平均（Kullback-Leibler Model Averaging,KLMA）。在此基礎(chǔ)上我們證明了在包含了滯后項(xiàng)的自回歸數(shù)據(jù)中,馬洛斯型模型平均也可以達(dá)到漸近最優(yōu)性。之后的蒙特卡洛模擬中,我們采用了自回歸分?jǐn)?shù)整合滑動(dòng)平均模型（ARFIMA）作為數(shù)據(jù)生成過程。通過選取不同的樣本集來比較不同的方法優(yōu)劣。在本文的最后我們對(duì)中國的新建住宅價(jià)格指數(shù)（New Housing Price Index,NHPI）北京地區(qū)的數(shù)據(jù)進(jìn)行一階差分,得出一組平穩(wěn)的時(shí)間序列數(shù)據(jù)。回歸結(jié)果顯示預(yù)測模型平均（PMA）在大部分情況下要優(yōu)于其它的分析方法,這也為我們的時(shí)間序列數(shù)據(jù)預(yù)測提供... 

【文章來源】：廈門大學(xué)福建省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：46 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

2014年l月至2017年12月北京叨護(hù)I走勢

ＡＮＨＰＩ的走勢更直觀地反應(yīng)了價(jià)格指數(shù)的波動(dòng)，結(jié)合圖Ｉ中的折線圖我們??可以看到，數(shù)據(jù)基本保持著增長的趨勢，除了少數(shù)幾個(gè)月出現(xiàn)負(fù)增長情況。在??２０１４年９月附近出現(xiàn)了負(fù)增長，而之后的兩年直到２０１６年９月數(shù)據(jù)都保持著正??的增長。尤其在２０１６年的前三個(gè)季度中，數(shù)據(jù)的達(dá)到了全局的最高增長點(diǎn)６．?９。??２３??


本文編號(hào)：3376392