在時(shí)間序列數(shù)據(jù)分析中,由于許多實(shí)際數(shù)據(jù)表現(xiàn)出的是未知的或很難確定的非線性趨勢(shì)結(jié)構(gòu),甚至誤差結(jié)構(gòu)也相當(dāng)復(fù)雜,異方差和相依關(guān)系并存,這使得傳統(tǒng)的時(shí)間序列分析方法面臨挑戰(zhàn)。本文以幾種復(fù)雜誤差下的非參數(shù)回歸模型的預(yù)測方法為切入點(diǎn)展開討論。文中考慮四種誤差情形下的非參數(shù)回歸模型:同方差下的MA模型和ARMA模型;異方差下的MA模型和ARMA模型�；诙囗�(xiàng)式樣條方法,按照均方誤差（MSE）和平均絕對(duì)誤差（MAE）最小原則,通過Monte Carlo模擬和實(shí)證分析比較非外推法、線性外推法和非線性外推法這三種預(yù)測方法的適應(yīng)性,從而得到較好的預(yù)測方法。具體內(nèi)容和主要成果如下:（1）對(duì)于同方差的MA模型。模擬算例表明,按照MSE和MAE最小準(zhǔn)則來看,外推法在擬合方面整體上優(yōu)于非外推法,三種方法預(yù)測的優(yōu)劣次序?yàn)?線性外推法、非線性外推法、非外推法。通過對(duì)分行業(yè)增加值構(gòu)成-金融業(yè)增加值的實(shí)證分析,得到了與模擬算例相似的結(jié)果。（2）對(duì)于同方差的ARMA模型。模擬算例表明,按照MSE和MAE最小準(zhǔn)則來看,外推法在擬合方面沒有明顯優(yōu)勢(shì),但三種方法預(yù)測的優(yōu)劣次序?yàn)?線性外推法、非線性外推法、非外推法。通過對(duì)人均國內(nèi)生... 

【文章來源】：河南科技大學(xué)河南省

【文章頁數(shù)】：82 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景
    1.2 理論意義與應(yīng)用價(jià)值
    1.3 國內(nèi)外研究現(xiàn)狀
    1.4 預(yù)備知識(shí)
    1.5 本文的結(jié)構(gòu)安排
    1.6 本章小結(jié)
第2章 同方差下殘差MA模型的預(yù)測方法
    2.1 預(yù)測方法
    2.2 模擬算例
    2.3 實(shí)證分析
    2.4 本章小結(jié)
第3章 同方差下殘差A(yù)RMA模型的預(yù)測方法
    3.1 預(yù)測方法
    3.2 模擬算例
    3.3 實(shí)證分析
    3.4 本章小結(jié)
第4章 異方差下殘差MA模型的預(yù)測方法
    4.1 預(yù)測方法
    4.2 模擬算例
    4.3 實(shí)證分析
    4.4 本章小結(jié)
第5章 異方差下殘差A(yù)RMA模型的預(yù)測方法
    5.1 預(yù)測方法
    5.2 模擬算例
    5.3 實(shí)證分析
    5.4 本章小結(jié)
第6章 結(jié)論
    6.1 主要結(jié)論
    6.2 研究展望
參考文獻(xiàn)
附錄Ⅰ 分行業(yè)增加值構(gòu)成-金融業(yè)增加值(%)
附錄Ⅱ 人均國內(nèi)生產(chǎn)總值指數(shù)(上年=100)
附錄Ⅲ 國內(nèi)生產(chǎn)總值指數(shù)(上年=100)
附錄Ⅳ 分行業(yè)增加值構(gòu)成-金融業(yè)增加值(%)
致謝
攻讀學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]多源數(shù)據(jù)跨國人口遷移預(yù)測[J]. 汪子龍,王柱,於志文,郭斌,周興社.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2019(09)
[2]基于神經(jīng)網(wǎng)絡(luò)與非參數(shù)核方法CPI的ARMA預(yù)測與非線性改進(jìn)[J]. 孫冠華.  統(tǒng)計(jì)與決策. 2018(16)
[3]基于線性回歸法和時(shí)間序列法的石油產(chǎn)量預(yù)測研究[J]. 任芳玲,任思東,李佳佳.  河南科學(xué). 2018(06)
[4]平滑轉(zhuǎn)移自回歸模型及其應(yīng)用[J]. 李娜,鄭少智.  統(tǒng)計(jì)與決策. 2018(10)
[5]混合樣本下非參數(shù)核回歸估計(jì)的漸近性質(zhì)[J]. 楊秀桃,楊善朝.  應(yīng)用數(shù)學(xué). 2018(02)
[6]-混合誤差下非參數(shù)回歸模型估計(jì)量的收斂速度（英文）[J]. 胡琪,黃倩,楊文志,李曉琴.  數(shù)學(xué)季刊(英文版). 2017(04)
[7]基于非參數(shù)核回歸模型的隱含波動(dòng)率預(yù)測[J]. 戴秀菊,舒志彪.  福州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[8]固定設(shè)計(jì)異方差非參數(shù)回歸模型的預(yù)測方法[J]. 武新乾,程芳.  統(tǒng)計(jì)與決策. 2017(17)
[9]兩類思想時(shí)間序列建模方法在醫(yī)療收入趨勢(shì)周期預(yù)測中的應(yīng)用[J]. 李望晨,王在翔,肖文靜,張利平.  中國衛(wèi)生統(tǒng)計(jì). 2017(02)
[10]基于函數(shù)系數(shù)自回歸模型的風(fēng)速時(shí)間序列預(yù)測[J]. 李余琪,張剛林,甘敏.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2017(08)



本文編號(hào)：3465346