利用狀態(tài)空間模型（SSM）能從觀測信息中推斷不可觀測變量的相關(guān)信息,其狀態(tài)估計和參數(shù)估計問題一直是人們研究的熱點(diǎn)。在生物學(xué)和經(jīng)濟(jì)學(xué)數(shù)據(jù)中,經(jīng)常出現(xiàn)觀測變量維度較高的時間序列數(shù)據(jù)。在線性SSM中采用極大似然法和最大期望（EM）算法進(jìn)行參數(shù)估計時,由于Kalman濾波過程涉及高維矩陣的逆運(yùn)算,致使模型的計算負(fù)擔(dān)重且易數(shù)值不穩(wěn)定。此外,這兩種方法的狀態(tài)矩陣和觀測矩陣的估計結(jié)果往往是非稀疏的,很難將觀測變量與狀態(tài)變量間、狀態(tài)變量轉(zhuǎn)移間的重要關(guān)系提取出來。因此有必要在高維情況下,研究狀態(tài)矩陣和觀測矩陣的稀疏估計方法。本文主要進(jìn)行兩方面研究:（1）在高維SSM中,將EM算法和系數(shù)收縮法結(jié)合起來給出了矩陣的稀疏估計,并應(yīng)用于網(wǎng)絡(luò)模型和動態(tài)因子模型。首先,基于線性高斯SSM的一般形式,推導(dǎo)最大期望正則化（ERM）算法的具體步驟。對于Kalman濾波中高維矩陣的逆運(yùn)算問題,采用遞歸的方法進(jìn)行求解。對于矩陣中待估計參數(shù)較多的問題,在“偽回歸”中,根據(jù)待估計矩陣的維度,分別采用行估計法和矩陣估計法。其次,對兩種可識別形式分別進(jìn)行模擬實(shí)驗(yàn),驗(yàn)證ERM方法的有效性。在所有懲罰函數(shù)中,Adaptive Elast... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 高維SSM的研究現(xiàn)狀
        1.2.2 股票網(wǎng)絡(luò)的研究現(xiàn)狀
    1.3 文章主要工作和內(nèi)容安排
        1.3.1 主要工作
        1.3.2 內(nèi)容安排
第二章 基本理論
    2.1 Kalman濾波、光滑及預(yù)測介紹
        2.1.1 預(yù)報器
        2.1.2 濾波器
        2.1.3 平滑器
    2.2 懲罰函數(shù)
第三章 高維SSM的稀疏估計
    3.1 兩種可識別形式及ERM算法推導(dǎo)
    3.2 矩陣逆的遞歸公式
    3.3 懲罰函數(shù)的權(quán)重選擇
    3.4 模擬實(shí)驗(yàn)
        3.4.1 狀態(tài)矩陣的稀疏估計
        3.4.2 觀測矩陣的稀疏估計
        3.4.3 運(yùn)行時間對比
    3.5 基于SSM構(gòu)建股票網(wǎng)絡(luò)
        3.5.1 構(gòu)建收益率網(wǎng)絡(luò)和波動率網(wǎng)絡(luò)
        3.5.2 網(wǎng)絡(luò)中心度
        3.5.3 股票市場實(shí)證分析
    3.6 股票市場的高維DFM
    3.7 本章小結(jié)
第四章 微生物網(wǎng)絡(luò)模型
    4.1 多個體考慮外生變量的參數(shù)估計
    4.2 基于微生物豐度對女性聚類
    4.3 按類別對女性構(gòu)建MIN
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 內(nèi)容總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]基于多變量非穩(wěn)態(tài)時間序列模型的農(nóng)業(yè)勞動力供給預(yù)測[J]. 李崇梅,王文軍,胡際蓮.  統(tǒng)計與決策. 2018(10)
[2]基于狀態(tài)空間模型預(yù)測算法的四旋翼無人機(jī)飛行控制[J]. 周杰,王彪,唐超穎.  信息與控制. 2018(02)
[3]基于兩輪最小生成樹的股票網(wǎng)絡(luò)模型構(gòu)建[J]. 謝先招,韓華,章鵬,王海軍.  計算機(jī)應(yīng)用與軟件. 2017(11)
[4]上海證券市場A股股票網(wǎng)絡(luò)復(fù)雜特性分析[J]. 宋宜飛,邵峰晶,孫仁誠.  青島大學(xué)學(xué)報(自然科學(xué)版). 2015(01)
[5]基于交通流參數(shù)相關(guān)的阻塞流短時預(yù)測卡爾曼濾波算法[J]. 董春嬌,邵春福,周雪梅,孟夢,諸葛承祥.  東南大學(xué)學(xué)報(自然科學(xué)版). 2014(02)
[6]基于時變參數(shù)狀態(tài)空間模型的能源消費(fèi)影響因素研究[J]. 董會忠,王志松,吳宗杰,孫秀梅.  統(tǒng)計與決策. 2013(23)
[7]非經(jīng)典計量經(jīng)濟(jì)建模方法論的特征分析與比較研究[J]. 金玉國.  統(tǒng)計研究. 2011(01)
[8]股票指數(shù)的時間序列模型分析[J]. 孫宏義,陳平,朱梅,陳建麗.  數(shù)學(xué)的實(shí)踐與認(rèn)識. 2006(08)

博士論文
[1]基于有限混合狀態(tài)空間的金融隨機(jī)波動模型及應(yīng)用研究[D]. 鄭挺國.吉林大學(xué) 2009
[2]基于金融波動模型的Copula函數(shù)建模與應(yīng)用研究[D]. 李偉.西南財經(jīng)大學(xué) 2008

碩士論文
[1]上證股票市場的關(guān)聯(lián)網(wǎng)絡(luò)特性研究[D]. 涂洋.安徽財經(jīng)大學(xué) 2016
[2]武漢市房地產(chǎn)泡沫測度研究[D]. 錢進(jìn).華中科技大學(xué) 2016
[3]基于狀態(tài)空間模型的基金風(fēng)格漂移研究[D]. 黃毅東.西南財經(jīng)大學(xué) 2016



本文編號：3080560