基于IGGⅢ权函数的稳健ARMA残差控制图构建

针对传统ARMA残差控制图易受异常值的影响,本文首先用由中国科学院测量与地球物理研究所提出的抗差方法(IGGⅢ)权函数建立稳健ARMA模型,得到独立同分布残差序列.接着用加权三均值和平均绝对离差分别估计均值和标准差,进而构建稳健ARMA残差控制图.模拟与实证检验均表明:本文所构建的稳健控制图能更好地抵抗异常值干扰,监控效果优于传统控制图.

稳健ARMA残差控制图的构建及在金融市场的应用

传统自回归与滑动平均(ARMA)残差控制图往往对离群值比较敏感,容易导致监控失效.为了解决这一问题,本文利用稳健统计的思想对传统ARMA残差控制图进行修正,构建出稳健ARMA残差控制图算法,以克服离群值对模型的影响.模拟和实证结果表明:当数据中不存在离群值时,由传统和稳健ARMA残差控制图得到的监控结果基本一致;当数据中存在离群值时,相对于传统ARMA残差控制图而言,稳健ARMA残差控制图能更有效地抵抗离群值的影响,具有较好的抗干扰性和高抗差性.

ARMA控制图的稳健构建方法及其比较

针对传统ARMA控制图对离群值较为敏感从而导致其监控效果不佳这一现象,文章引入稳健统计的思想,并将它与传统ARMA控制图相结合,构建了稳健ARMA控制图算法,新算法对离群值有较强的监测能力。模拟和实证研究的结果均表明:当样本中不存在离群值时,传统ARMA控制图和稳健ARMA控制图得到的结果基本保持一致;当样本中含有离群值时,传统ARMA控制图易受离群值的影响,控制限被拉高,容易导致漏发报警的现象,但稳健ARMA控制图对离群值的抗干扰性较好,控制限不容易受到离群值的影响,可以很好地监测到离群值的位置,并发出警报。

空气质量指数监控与预测的控制图方法

世界上多数国家都采用空气质量指数这一指标衡量空气质量状况,对空气质量的有效监测和预警是解决空气污染的重要参考依据。本研究使用ARMA模型拟合空气污染指数(API)时序数据,通过模型残差建立控制图,根据控制图的变化监控并预警。研究采用2010年上海世博会API作为可控状态建立控制限,以2011年1～8月上海API数据建立ARMA(1,1)模型,通过2011年9月上海API模型预测与残差控制图证实模型和控制图的有效性。

稳健残差控制图的构建及在金融时序中的应用

对于呈现自相关和波动族聚性并存的受控过程,通常采用残差控制图对其进行监控。但异常点的存在会对自相关或波动族聚性模型的拟合产生重要影响,使得基于该模型的残差并非独立同分布导致常规残差控制图监控失效。为解决这类问题,本文提出稳健残差控制图。即建立稳健的ARMA模型解决自相关问题从而得到无自相关的残差序列,用稳健的GARCH模型来构建控制图的上下限。模拟和实证研究表明,本文提出的稳健残差控制图具有很好的抗异常点能力并能更好的对金融时间序列的异常现象进行监控。