發(fā)布時間：2019-11-24 06:36

【摘要】：時間序列分析作為一種常用的統(tǒng)計學(xué)分析方法,是窺探真實世界復(fù)雜系統(tǒng)動態(tài)演化的重要手段。自回歸時間序列模型作為一種常見的線性時間序列模型,將當(dāng)前時間狀態(tài)以過去的狀態(tài)的線性組合表現(xiàn)出來,這個模型在現(xiàn)實中容易被實現(xiàn),因而在各個領(lǐng)域都有著廣泛的運用。在此背景下,近幾十年關(guān)于自回歸時間序列模型的研究得到了飛速發(fā)展,不同條件之下的自回歸模型也越來越受到統(tǒng)計學(xué)家和經(jīng)濟(jì)學(xué)家的重視。本篇論文主要研究帶重尾誤差項的自回歸模型中回歸系數(shù)的復(fù)合分位數(shù)估計。根據(jù)自回歸模型中回歸系數(shù)與1的偏離程度,可將模型分成:平穩(wěn)過程、幾乎非平穩(wěn)過程、單位根過程、"中度偏離"自回歸過程和爆炸性過程五類。本文首先引入的是方差可能無窮的"中度偏離"自回歸過程。由于該模型包含了較好刻畫價格泡沫的爆炸性過程,因此自2006年提出以來一直受到廣大學(xué)者的重視。本文在模型誤差項屬于正態(tài)吸引場的條件下,構(gòu)建了回歸系數(shù)的復(fù)合分位數(shù)估計,并在幾種不同的情況下證明了該估計的漸近分布(包括正態(tài)分布和柯西分布),并通過數(shù)據(jù)模擬比較它與普通最小二乘估計和分位數(shù)估計的優(yōu)劣性。接著,我們考慮了方差無窮的幾乎非平穩(wěn)自回歸模型。在模型誤差項屬于Q-穩(wěn)定場(α ∈(0,2))的重尾條件下,構(gòu)建回歸系數(shù)的復(fù)合分位數(shù)估計,并證明了其收斂于Wiener過程的泛函。同時,隨機模擬的結(jié)果顯示模型參數(shù)的復(fù)合分位數(shù)估計比普通最小二乘估計和分位數(shù)估計更加有效。
【學(xué)位授予單位】：浙江工商大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：F224

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳佩群;;國營商店零售價格仍需保留分位數(shù)[J];價格月刊;1992年01期

2 謝福祥;;也談國營商店零售價格仍需保留分位數(shù)[J];價格月刊;1992年04期

3 鄭李玲;;缺失數(shù)據(jù)下條件分位數(shù)的估計及其漸近性質(zhì)[J];廣西科學(xué);2009年03期

4 陳磊;曾勇;杜化宇;;石油期貨收益率的分位數(shù)建模及其影響因素分析[J];中國管理科學(xué);2012年03期

5 葛玉好;趙媛媛;;城鎮(zhèn)居民收入不平等的原因探析——分位數(shù)分解方法的視角[J];中國人口科學(xué);2010年S1期

6 許啟發(fā);蔣翠俠;;分位數(shù)局部調(diào)整模型及應(yīng)用[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2011年08期

7 陳雄強;張曉峒;張慶昌;;通貨膨脹持久性及其非對稱性研究——基于分位數(shù)自回歸模型[J];經(jīng)濟(jì)與管理研究;2013年03期

8 李雅楠;廖利兵;;城鎮(zhèn)居民性別收入差距及其演變:1991~2009[J];人口與經(jīng)濟(jì);2014年02期

9 彭維湘;正態(tài)分布的分布函數(shù)及分位數(shù)的算法和編程技巧[J];中南財經(jīng)大學(xué)學(xué)報;1996年04期

10 王志剛;陳志芳;;非參數(shù)分位數(shù)估計在我國非壽險公司償付能力額度計算中的應(yīng)用[J];經(jīng)濟(jì)論壇;2012年12期

相關(guān)重要報紙文章 前2條

1 廣發(fā)期貨 謝貞聯(lián);IF1005期現(xiàn)價差波動規(guī)律的啟示[N];期貨日報;2010年

2 李莉;2009年金屬鋁價格走勢預(yù)測[N];中國有色金屬報;2008年

相關(guān)博士學(xué)位論文 前2條

1 陳雄強;分位數(shù)自回歸模型理論與應(yīng)用研究[D];南開大學(xué);2013年

2 黃初;幾類新型相依條件下隨機變量的極限定理[D];浙江大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 梅云龍;刪失數(shù)據(jù)的條件高分位數(shù)估計[D];大連理工大學(xué);2015年

2 朱玲;貝葉斯分位數(shù)自回歸方法的研究及在香港恒生指數(shù)風(fēng)險測度上的應(yīng)用[D];南京財經(jīng)大學(xué);2014年

3 蔡際盼;WOD樣本下分位數(shù)和密度函數(shù)估計的強相合性[D];廣西師范學(xué)院;2015年

4 葛悠美;線性測量誤差模型中復(fù)合分位數(shù)估計的隨機加權(quán)方法[D];東華大學(xué);2016年

5 李麗鳳;PA樣本下含附加信息時分位數(shù)的統(tǒng)計推斷[D];廣西師范大學(xué);2015年

6 余珊珊;最優(yōu)分位數(shù)水平選擇方法及其在心電圖判別疾病類型中的應(yīng)用[D];華東師范大學(xué);2016年

7 張亞利;基于分位數(shù)GARCH類模型的我國股市風(fēng)險度量研究[D];華僑大學(xué);2016年

8 胡漢;風(fēng)電場風(fēng)電功率概率預(yù)測研究[D];東南大學(xué);2016年

9 王丹;基于數(shù)據(jù)庫的Summary查詢研究[D];東北大學(xué);2013年

10 劉震;重尾分布高條件分位數(shù)的調(diào)和估計[D];大連理工大學(xué);2016年

，

本文編號：2565317