基于ARMA-EGARCH-M模型的沪深股市波动性分析

文章讨论了ARCH模型族的拟合波动性的优缺点,建立ARMA-EGARCH-M模型,简要说明了此模型的优点;以2000年1月11日-2006年3月15日上证综指和深证成指收盘价为样本,对我国沪深股市收益率分布用ARMA-EGARCH-M模型进行拟合分析,结果表明该模型能更有效地拟合我国沪深股市的波动性;最后解释实证结果和分析了我国股市的行为。

基于遗传算法的ARMA模型定阶新技术

针对时间序列分析与预测中最为常见的ARMA模型的定阶问题,在分析传统定阶方法缺点的基础上,提出了用遗传算法确定ARMA(n,m)模型的自回归阶数n和滑动平均阶数m的新方法。首先由ARMA模型的预测值与实测值定义平均相对变动值(Average relative variance,ARV),并根据其建立遗传算法的适应度函数;然后选取适当的种群数、交叉效、变异率及进化代数;通过逐代进化,得到最优的ARMA模型。最后,通过太阳黑子数据验证了基于遗传算法的ARMA模型定阶新技术的有效性和实用性。

采用ARMA模型对变形监测数据处理与预报

基于平稳时间序列分析理论,通过对ARMA模型的识别与定阶以及参数的估计,建立变形监测数据处理与预报的时间序列ARMA模型,并用该模型对一组实测变形数据进行分析、预测,将变形预测数据与实际观测数据进行比较,取得较好的拟合效果和预测精度。结果表明:ARMA(m,n)模型对变形监测数据处理与预报是十分有效和可靠的,具有一定的应用价值。

采用非线性M序列辨识ARMA模型参数

本文研究了采用非线性M 序列辨识ARMA 模型参数,提出了具体的算法,在特性上同m 序列作了比较,最后给出了仿真结果。

基于TGM-ARMA模型的地铁隧道结构沉降预测分析

地铁隧道结构沉降主要受土层状况、地下水位、轨道荷载及周边环境等诸多因素影响,机理复杂,随机性强,而且随时间不断变化,难以用固定的数学模型表示,是一个非平稳的过程。据此,结合以灰色系统理论为基础的TGM(1,1)模型和以时间序列为基础的ARMA(n,m)模型各自的特点,建立了时变参数灰序模型TGM(1,1)-ARMA(n,m),并对地铁隧道主体结构沉降进行了分析与预报,结果表明时变参数灰序模型预测精度较高,且适用于中长期预测。因此,该组合模型在地铁隧道结构沉降预测分析中有较强的适用性,具有一定的应用价值。

基于改进PSO算法对ARMA模型定阶新方法

在研究传统AIC准则定阶方法的缺点的基础上,提出用改进的粒子群算法对ARMA(r,m)模型定阶的新方法。基本思想是,由于粒子群算法容易早熟,易陷入局部最优,从而导致过早收敛,得不到最优解,因此提出利用母群划分子群的搜索方法避免算法陷入局部最优的问题。子群各自进行搜索得出最优解,由最优解作为新一代粒子种群,继续搜索自动生成最优解,对ARMA模型进行准确定阶,克服了AIC定阶准则的计算法繁琐、定阶不精确的缺点。通过MATLAB进行实例仿真验证,证明了该方法简单可行。

基于ARMA-GARCH-M模型的石油价格市场风险与收益关系研究

通过对1983年4月8日到2014年3月21日的美国原油价格运用ARMA-GARCHM模型来研究石油价格市场风险与收益关系,得出如下结论:石油价格日收益率具有波动聚集的特征;ARMA-GARCH-M模型能够较好地拟合石油价格的走势;ARMA-GARCHM模型估计结果显示石油市场的收益与风险是正相关的,预期收益包含一定的风险溢价。

基于PSO算法的ARMA模型长江化工污染水质预测

针对时间序列分析ARMA模型预测的问题,在研究传统预测方法缺点的基础上,提出了用粒子群优化算法(PSO)确定ARMA(r,m)模型的自回归阶数r和滑动平均阶数m的新方法。首先根据ARMA(r,m)模型对预测值与实际值提出相应的粒子群优化算法的适应度函数;然后选取适当的学习因子、惯性权重、种群大小、粒子速度和迭代次数,通过迭代找到最优解;然后找到最优的ARMA(r,m)模型对长江流域水质进行预测。通过MATLAB进行仿真证明了该方法简单可行,很大程度上提高了对长江水质化学污染的预测精度。

基于GJR模型的中国股市收益率波动性研究

取一段时间的上证指数日收盘价为数据样本,从时间序列分析的角度运用模型重组方法构造带student-t分布的ARMA-GJR-M模型研究中国股票市场收益率的波动性。结果表明,ARMA(4,3)-GJR(1,1)-M模型能够全面描述中国股票市场收益率的非正态性、尖峰厚尾异方差性、强烈的波动集聚性和自相关性以及波动过程中的杠杆效应这四大特征。同时,收益率与风险大小成正比也在模型中得到很好的体现。实证结果显示,ARMA-GJR-M模型的拟合效果比GJR-M模型的更好。

一种基于抗差自校正Kalman滤波的GPS导航算法

为减弱异常观测值对自校正Kalman滤波精度的影响,引入抗差M估计的等价权函数,建立了抗差自校正Kalman滤波算法,并用实例进行了验证。计算表明,该自适应滤波算法在完全未知噪声统计的情况下,不仅能够自适应地求解状态参数,而且还能在一定程度上有效地抵制观测异常对导航解的影响。

肿瘤热疗过程中数值预报的研究

利用时间序列预报的方法 ,对肿瘤内部的某点温度变化规律进行预报分析 ,根据预报的结果来调整辐射源的加热功率及探头与肿瘤接触面的边界温度 ,控制肿瘤体温度 。

期房市场对现房价格波动性影响的实证研究——以西部地区为例

通过ARMA-GARCH-M模型对我国西部地区住宅期房市场对现房价格波动性的影响进行实证研究,结果表明:住宅现房价格与宏观经济指标不显著相关,现房价格表现为MA(1)过程;除川、渝两地受"5.12"特大地震的影响外,多数地区房价的波动与收益正相关,;期房市场对现房价格的波动性影响显著,其中期房价格对现房价格波动有正的影响,期房销售面积对现房价格波动有负的影响,且存在一定的滞后性。

货币供应量对银行间质押式回购利率影响的实证分析

随着债券市场的不断发展,债券融资在我国社会总融资规模中的占比持续上升。其中银行间质押式债券回购成为我国短期资金市场的主导力量,交易活跃、成交额大,且其利率已成为短期资金市场的代表性利率,同时也是我国短期金融产品定价的基准利率之一。本文基于时间序列分析,探究M1的同比增长率对银行间质押式回购利率的影响,并得出相关结论。