基于条件自回归模型的城市宏观安全分析

基于上海市外环以内263个交通分析小区的事故、道路、交通、土地利用数据,在交通分析小区层面建立贝叶斯负二项条件自回归模型,分析事故在交通分析小区层面的显著影响因素.结果表明,主、次干道长度的增加会显著增加交通分析小区内的事故数量;道路网密度、交叉口数量与小区事故数具有显著正相关性;随着客车产生量的增加,事故数量增加;土地利用强度高,相应的事故数量增多.

基于广义自回归条件异方差选股模型的布林带通道突破择时量化交易

提出一种综合利用广义自回归条件异方差模型进行波动率选股、布林带通道突破择时和平均真实波幅(ATR)动态止损的量化投资策略。首先,利用广义自回归条件异方差(GARCH)模型预测未来一周波动率最大的30只股票,构建股票池;其次,采用布林带指标进行择时,捕捉价格趋势变化;最后,根据平均真实波幅指标调整止损位,保护资本。通过多次回测,确定最佳参数。研究结果表明,该策略在不同市场环境下均表现出色,熊市具有较好的避险能力,牛市和震荡市场具有较强的盈利能力,实现了稳定的超额收益。综合运用波动率选股、价格突破和动态止损策略,为投资者提供了一种有效的量化投资方案。

基于自回归条件密度模型的短期负荷预测方法

基于对负荷时间序列高阶矩时变特征的研究,提出了一种基于自回归条件密度模型的短期负荷预测新方法.该方法通过引入含时变参数的有偏分布,对负荷时间序列二阶以上矩信息进行了分析和描述.基于南京地区日用电量实际历史数据,分析了该负荷时间序列的时变高阶矩特征,建立了自回归条件密度模型.使用条件对数极大似然估计对模型参数进行了估计,实现了短期负荷预测,验证了该方法的可行性和有效性.结合算例中自回归条件密度模型时变参数的取值范围,推导了时变参数与条件高阶矩的数理关系,给出了一种刻画时间序列时变高偏度(三阶矩)、时变高峰度(四阶矩)的途径.算例分析表明,基于有偏t分布的自回归条件密度负荷预测模型的预测效果良好.

基于厚尾均值广义自回归条件异方差族模型的短期风电功率预测

风电功率预测准确度的提高对提高电力系统调度效率具有重要的作用。基于对风电功率时间序列波动性的研究,推广了一种厚尾均值广义自回归条件异方差(GARCH-M)族短期风电功率预测模型,同时,基于波动补偿项的不同形式,将模型拓展为多种类型的厚尾GARCH-M模型。该类模型能够捕捉风电功率时间序列波动性与其条件均值的直接关系,并能够有效刻画具有高峰度特征的实际风电功率序列的厚尾效应,使风电预测准确度提高。结合江苏地区风电场风电功率实际数据,对所提厚尾GARCH-M模型进行了参数估计,论证了存在于风电时间序列中的GARCH-M效应和厚尾效应,给出了风电功率均值和条件方差的预测方案。算例分析结果验证了所提方法的可行性和有效性,表明了考虑厚尾特征的GARCH-M族模型短期预测效果满意。

基于小波分析与广义自回归条件异方差模型的短期电价预测

由于电价波动具有非线性及波动集群现象,因此提出了一种基于小波分析和广义自回归条件异方差模型相结合的短期电价预测新方法。首先应用小波分解原理将电价序列分解成低频部分和高频部分,在此基础上对各子序列分别建立广义自回归条件异方差模型并进行预测;然后利用小波理论对各子序列的预测结果进行重构,实现对原始电价序列的预测;最后以美国加州电力市场历史数据为例进行了验证,结果表明本文方法是可行和有效的。

条件自回归极差模型的对数正态拟极大似然估计

为了解决在估计条件自回归极差模型(CARR)中的分布厚尾性问题,采用尾部呈幂函数衰减的对数正态分布估计CARR模型.在新息序列具有有限的12阶矩条件下,利用M估计的大样本性质和鞅的泛函中心极限定理,允许模型包含一个单位根的情况下,证明了对数正态分布下的拟极大似然估计是局部相合和渐近正态的,并且对数正态分布的厚尾性也较好地解决了异常值问题.相对于目前广泛采用的指数似然估计方法,提高了参数估计的效率.

基于广义自回归条件异方差模型的世界原油运价风险分析

为有效评估世界原油运价风险,根据世界原油运输市场运费收益的基本特性,选用基于广义误差分布(Generalized Error Distribution,GED)的广义自回归条件异方差(Generalized Auto-Re-gressive Conditional Heteroskedasticity,GARCH)模型,计算原油运价收益率波动的风险值.该模型很好地描述了运价收益率曲线尖峰厚尾、波动聚集性以及杠杆效应等特征.以波罗的海航运交易所发布的波罗的海原油油船运价指数(Baltic Dirty Tanker Index,BDTI)为例进行研究分析,检验结果表明该方法有效.

中国股市收益率波动实证研究──基于自回归条件持续性模型

结合高频数据和自回归条件持续性(ACD)模型进行的研究表明:在中国市场,自回归条件持续性模型可以成功用来衡量交易到达的强度。最后展望了该模型的发展方向。

基于不对称自回归条件异方差模型的短期负荷预测

研究了负荷时间序列的自回归条件异方差效应,提出了一种基于不对称自回归条件异方差模型的短期负荷预测方法。建立了广义误差分布假设下的不对称广义自回归条件异方差模型,借助模型的不对称参数,分析了不同冲击下的不对称机制,比较了各种广义自回归条件异方差模型的预测能力。其中,幂指数广义自回归条件异方差-广义误差分布模型的预测效果尤为突出。最后通过实际算例验证了上述方法的可行性和有效性。

广义自回归条件异方差模型的贝叶斯参数估计

文章建立基于偏正态分布的广义自回归条件异方差模型(GARCH-SN)的贝叶斯参数估计方法。通过MCMC抽样中常用的MH算法解决贝叶斯估计中遇到的高维数值计算问题,得到稳定的抽样序列。模拟显示MCMC抽样序列平稳,贝叶斯估计过程中不需要调整MCMC抽样,抽样后得到的均值接近真值,输入集样本量增大得到的估计值偏离真值的程度随之减小。

基于经验似然的自回归条件久期模型的统计推断

利用经验似然方法对自回归条件久期(ACD)模型参数进行统计检验,给出了自回归条件久期模型参数的经验似然比统计量,并证明了该统计量渐近服从χ2-分布.数值模拟结果表明,经验似然方法优于拟似然方法.

自回归条件异方差模型在宏观经济预警中的应用

将ＡＲＣＨ模型引入宏观经济预警，讨论了ＡＲＣＨ预警系统的指标设计、ＡＲＣＨ预警方法以及预警警限的界定，给出了一种具有ＡＲＣＨ特征的警限界定方法。

对数自回归条件久期模型的残差自相关性分析

首先推导了对数自回归条件久期模型中残差自相关的渐近分布,得出了该模型的拟合优度统计量,将Box-Jenkins模型检验方法扩展到对数自回归条件久期模型上.同时利用对数自回归条件久期模型,进行实证性的研究,从而表明我国股票交易久期以及价格久期都存在着明显的自相关性,我国股票市场的交易久期和价格久期都有着明显的倒“U”型模式.

自回归条件异方差模型在医学数据分析中的应用

为探讨自回归条件异方差模型在医学数据分析中的应用效果 ,采用自回归条件异方差模型对实例进行了分析 ,并与多元回归分析结果进行了比较。结果显示 ,当数据方差不齐时 。

条件自回归极差模型的渐近性质

在误差项独立同分布的条件下,本文讨论了条件自回归极差模型条件解和无条件解的渐近性质.利用随机游动的极限性质得到了条件解收敛于无条件解的充分条件,任意阶矩有限的充要条件以及外生变量与内生变量持续性的充要条件.所得到的结论适用于已得到应用的平稳条件自回归极差模型,也适用于包含单位根的模型和满足条件的其他类型的非平稳过程,为模型的统计推断提供了理论基础.

基于小波分解和ARIMA-GARCH-GRU组合模型的制造业PMI预测

制造业采购经理人指数(PMI)是反映国家经济运行情况的重要指标,而传统预测模型对该类时序数据预测精度不高。针对制造业PMI指数的非线性、波动性和数据量少的特点,提出一种基于一维离散小波变换进行数据预处理的组合模型。时序数据经过小波变换,由整合移动平均自回归–广义自回归条件异方差模型(ARIMA-GARCH)处理稳态低频数据,门控循环单元(GRU)处理波动性强的高频数据,将各频段预测结果进行融合得到最终预测结果。为验证模型有效性,选取一定数据量的PMI指数进行实验。结果表明,与其他常见模型对比,本文构建的组合模型具有较好的预测精度与性能,平均绝对误差(MAE)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)分别达到0.00329、0.004162、0.65%。

对数自回归条件久期模型的统计推断

对数自回归条件久期(Log-ACD)模型是研究高频数据的有效工具之一.文中首先给出Log-ACD模型参数的最小二乘估计,并证明了该统计量的渐近分布为正态分布.其次,利用经验似然方法得到Log-ACD模型参数的经验似然比检验统计量,并证明经验似然比检验统计量的渐近分布为卡方分布.最后,数值模拟结果显示,经验似然方法较最小二乘法更优.

混合自回归条件异方差模型的谱分析

线性时间序列模型谱密度的计算可以直接由定义获得,而非线性时间序列模型谱密度的计算目前还没有一般的理论.2001年Wong Chun-shan等将混合自回归(MAR)模型推广到混合自回归条件异方差(MAR-ARCH)模型,并且讨论了该模型的参数估计及模型选择问题,本文导出了MAR-ARCH模型自协方差函数的递推关系式及计算谱密度的算法,从而解决了这类模型的谱分析问题.

基于WPD-ARIMA-GARCH组合模型的酱卤肉制品安全风险区间预测

针对传统确定性预测不能提供不确定性信息的难题,本研究提出了一种点估计和区间估计组合预测模型,并将其创新性地应用在食品安全风险预警领域。在点估计部分,使用小波包分解(wavelet packet decomposition,WPD)对周风险等级序列分解后,应用差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型进行预测;在区间估计部分,使用广义自回归条件异方差(generalized autoregressive conditional heteroskedast,GARCH)模型对残差进行预测。本实验将建立的WPD-ARIMA-GARCH组合模型运用于某地区酱卤肉制品的风险预测,结果表明2019年的3月底和7月底该地区的酱卤肉制品安全风险较高,与实际情况相符;同时,该模型在10个不同地区的酱卤肉制品风险预测中,均方误差、平均绝对误差和平均绝对百分比误差分别为1.626、0.806和20.824;其90%置信区间的预测区间平均宽度和覆盖宽度标准值均为0.024,可以覆盖所有真实值。该模型具有较高的预测精度和较低的误差,能对酱卤肉制品质量安全起到风险防控作用,可为日常食品安全监管提供相应的技术支持。

自回归条件异方差模型的模拟

通过介绍怎样利用SAS/ETS中的自回归(Autoreg)过程实现条件异方差(ARCH)模型数据的分析,将理论与实践相结合,利用SAS/IML软件模拟两组(一组为ARCH(q)模型,另一组为AR(m)-ARCH(q)模型)ARCH数据,然后调用自回归过程对两组数据分别用相应ARCH模型进行数据拟合,得到理想结果.