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。

证券投资基金市场的ARMA-ARCH类模型分析

文章通过分析自回归条件异方差(ARCH)类模型的统计结构,讨论了ARCH模型族的拟合波动性的优缺点,建立了ARMA-ARCH类模型,并用平稳帕雷托分布代替标准正态分布;以中信基金管理有限公司的股票基金与债券基金指数的收盘价为样本,对我国基金市场收益率分布用ARMA-ARCH类模型进行实证分析,解决了方差时变条件下金融波动时间序列建模问题,描述了基金序列的特性。

GARCH模型的经验似然估计

以计量经济学中ARCH模型族为背景,对GARCH模型进行讨论和研究。讨论了基于GED分布的β-ARCH模型和GARCH模型的经验极大似然估计的求解方法,得到了相应的平稳模型的大样本性质定理。

ARCH模型中自助法的有效性

ARCH模型的参数估计的统计性质都是在渐近意义下成立的,在实际中常用自助法再抽样扩大样本量从而验证参数估计值的稳定性.本文考察将成对自助法用于自回归条件异方差(ARCH)模型的一阶渐近有效性.

金融时间序列模型的预测修正

本文研究了金融时间序列的预测问题,通过Bootstrap算法比较,解决了ARCH(1)模型的预测问题,文中在改变初始值、样本容量以及置信水平等制约条件下比较,均优化了该预测问题。

Bootstrap法对时间序列问题预测区间的修正

针对时间序列问题中线性预测的局限性,引入Bootstrap算法解决了MA模型和ARCH模型的预测问题.使得上述问题归结为一个条件期望值的求解,并对该预测问题进行了优化.

人民币汇率非线性特征的研究与分析

近年来,关于人民币汇率改革的问题一直是国内外关注的热点,对各国的政治、金融、贸易均产生了巨大的影响。因此如何科学的预测人民币汇率走势,并以此为基础采取相应的风险规避措施,成为了学界的焦点和难点。而在构建人民币汇率预测模型的过程中,对于数据的特性进行分析是前期的必要工作。本文对人民币汇率进行非线性特征检验,通过JB正态性检验证实了人民币汇率的"尖峰厚尾"特性、AC-PAC序列自相关性检验表明人民币汇率时间序列存在一定程度上自相关性、ARCH异方差性检验验证了汇率的波动现象存在时间序列上的"簇聚现象"。