试述上证变点估计值对状态空间模型预测影响
最后更新时间:2024-04-11
作者:用户投稿本站原创
点赞:9492
浏览:34841
论文导读:
摘要:本论文主要探讨了状态空间模型预测时,样本序列的变点估计值对模型预测影响的不足。第一章叙述了变点和状态空间模型的探讨背景及国内外探讨近况,并对检测变点的几种经典策略作了简单介绍。第二章介绍了状态空间模型的定义和Kalman滤波,并给出了ARIMA模型转化为状态空间模型的标准形式的策略。第三章介绍了Γ分布参数变点的检测策略,并讨论了分布参数变点在状态空间模型预测中的运用。在运用方面,首先将上证A股指数收盘价序列转化,得到全涨收益率序列和全跌收益率序列,利用分布参数变点论述得到全涨收益率序列和全跌收益率序列的变点个数及其所处时间位置。然后根据变点位置的不同,分别对三个不同时段的上证A股指数收盘价序列建立状态空间模型。通过比较预测结果,得出变点越少,状态空间模型的预测精度越高的结论。最后在无变点的情况下比较了ARIMA、自回归与状态空间模型的预测结果,说明了状态空间模型具有更好的预测效果。关键词:状态空间模型论文预测论文变点论文Γ分布论文上证A股指数论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要5-6
ABSTRACT6-7
致谢7-10
第一章 绪论10-17
攻读硕士学位期间已发表或待发表论文31-33
摘要:本论文主要探讨了状态空间模型预测时,样本序列的变点估计值对模型预测影响的不足。第一章叙述了变点和状态空间模型的探讨背景及国内外探讨近况,并对检测变点的几种经典策略作了简单介绍。第二章介绍了状态空间模型的定义和Kalman滤波,并给出了ARIMA模型转化为状态空间模型的标准形式的策略。第三章介绍了Γ分布参数变点的检测策略,并讨论了分布参数变点在状态空间模型预测中的运用。在运用方面,首先将上证A股指数收盘价序列转化,得到全涨收益率序列和全跌收益率序列,利用分布参数变点论述得到全涨收益率序列和全跌收益率序列的变点个数及其所处时间位置。然后根据变点位置的不同,分别对三个不同时段的上证A股指数收盘价序列建立状态空间模型。通过比较预测结果,得出变点越少,状态空间模型的预测精度越高的结论。最后在无变点的情况下比较了ARIMA、自回归与状态空间模型的预测结果,说明了状态空间模型具有更好的预测效果。关键词:状态空间模型论文预测论文变点论文Γ分布论文上证A股指数论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要5-6
ABSTRACT6-7
致谢7-10
第一章 绪论10-17
1.1 探讨背景10-12
1.1 变点不足10-12
1.2 状态空间模型12
1.2 国内外探讨近况12-14
1.2.1 变点相关文献12-13
1.2.2 状态空间模型相关文献13-14
1.3 变点检测的经典策略介绍14-16
1.4 本论文探讨的内容及革新16-17
第二章 状态空间模型及 Kalman 滤波17-202.1 状态空间模型17
2.2 Kalman 滤波17-18
2.3 状态空间模型的标准形式的转化18-20
第三章 变点估计值在状态空间模型中的运用20-273.1 Γ分布参数变点的检验20
3.2 实例浅析20-27
3.2.1 资料的来源及处理21-22
3.2.2 变点检验及结果浅析22-23
3.2.3 状态空间模型的预测及结果浅析23-27
第四章 总结与展望27-284.1 总结27
4.2 展望27-28
参考文献28-31攻读硕士学位期间已发表或待发表论文31-33