函数系数自回归模型推广形式的Back-Fitting估计

文章针对时间序列中函数系数自回归模型给出其推广形式,借助向后拟合的思想介绍推广形式中函数系数部分和参数部分的估计,该方法可以得到模型中的常值系数估计量的精确表达式;并通过一个数值模拟表明所提出的估计方法具有可行性和稳定性。

一种新的统计预测模型——多项式系数自回归模型

传统的自回归滑动平均模型(ARMA)和新近出现的函数系数自回归模型(FAR)不能满足非线性时间序列预测分析的准确度与运算速度要求,为了改进预测性能,研究提出了一种新的统计预测模型——多项式系数自回归模型(PCAR)。给出了PCAR模型的表示形式,详细探讨了PCAR模型的参数估计和阶次选择方法,在此基础上又提出了基于BIC准则的建模算法。同AR-MA模型相比,PCAR模型扩大了适用对象范围,有效降低了模型选择误差;同FAR模型相比,它具有参数模型的特点,避免了系数函数局部线性回归估计所存在的不足;分析了PCAR模型与ARMA、FAR模型的等价条件。通过实验分析得出了PCAR模型较ARMA、FAR模型的单步预测准确度分别提高了99.65%和18.7%的结论,而且PCAR建模运算所需时间仅为FAR模型的0.2%。

函数系数线性自回归模型的样条估计

基于多项式样条全局光滑方法,建立函数系数线性自回归模型中系数函数的样条估计.在适当条件下,证明了系数函数多项式样条估计的相合性,并给出了它们的收敛速度.模拟例子验证了理论结果的正确性.

DFAR模型在旋转机械故障预测中的应用

针对旋转机械振动信号的特征量有时存在非平稳、非线性发展趋势的特点,构建了分整差分函数系数自回归(DFAR)模型。DFAR模型利用函数系数自回归模型建立非参数预测模型,并且根据改进的交叉核实评价准则自动选择分数阶差分或整数阶差分来处理原始数据,估计最优的建模参数。函数系数自回归模型能使得模型参数随模型依赖变量的值连续变化而逐渐变化;分数阶差分能提取时间序列中的确定性趋势信息,同时能防止因过差分而丢失长记忆低频成分,因而DFAR模型能更好地逼近非线性时间序列。实例验证表明,DFAR模型提高了对非平稳、非线性发展的故障特征量的趋势预测精度。

基于PSO_RBFNN和FAR模型的装备可用度预测方法及应用

阐述了装备可用度预测的重要性,并以此为需求牵引,构建了具有非线性、非平稳的装备可用度时间序列。基于奇异值分解滤波算法将其分解为尽量平滑的趋势成分和平稳的随机成分,分别应用粒子群训练的径向基神经网络和函数系数自回归模型进行预测,充分体现了2类模型各自的优势,使其相互补充,并进行实例分析,验证了模型和算法的有效性。实验与应用结果表明,该组合方法的预测性能和效果比单一使用RBF(radial basis function neural network)和FAR(functional-coefficient auto regressive model)进行预测更好,为装备可用度研究提供了一条新的思路。

基于时间序列分析的装备可用度预测方法

阐述了装备可用度预测的重要性,并以此为需求牵引,构建了具有非线性、非平稳的装备可用度时间序列。基于奇异值分解滤波算法,将原始序列分解为趋势成分和随机成分,分别应用粒子群训练的径向基神经网络模型和函数系数自回归模型进行组合预测,充分体现了2类模型的各自的优势。实例分析,验证了模型和算法的有效性。实验与应用结果表明,该组合方法的预测性能和效果比单一使用RBF和FAR进行预测更好。

数字经济、价格粘性与货币政策利率渠道传导效果

发展数字经济是党的二十大报告提出的六大强国战略之一,数字经济正在全方位地改变中国的经济形态和运行机制。本文考察了数字经济对货币政策有效性的基石——价格粘性的影响,以及由此引起的货币政策利率传导渠道的变化。本文首先在一个两部门最优化的一般均衡模型中,探讨了数字经济引起的价格粘性变化通过Fisher恒等式影响货币政策利率渠道传导的机理,据此提出了可用于验证的模型结论和机理假说,并对假说进行了实证检验。研究发现:(1)数字经济引起的价格粘性变化弱化了货币政策利率渠道调控总产出的效果;(2)数字经济弱化货币政策利率渠道传导的机理,主要在于数字经济通过作用于价格粘性降低了企业投资关于名义利率的敏感性,但对家庭消费的影响不大;(3)数字经济对货币政策利率渠道的弱化效应,会不同程度地受到货币政策实施频率和商品市场化改革等因素的影响。本研究为数字经济时代如何完善货币政策利率渠道传导机制和创新货币政策调控方式,构建新发展格局和促进经济高质量发展提供了政策参考。