本文關(guān)鍵詞：基于MCMC算法的貝葉斯變結(jié)構(gòu)分位自回歸模型研究，由筆耕文化傳播整理發(fā)布。

【摘要】：為了更全面細(xì)致的刻畫時(shí)間序列變結(jié)構(gòu)性的特征及其相依性,提出了一類馬爾可夫變結(jié)構(gòu)分位自回歸模型。利用非對(duì)稱Laplace分布構(gòu)建了模型的似然函數(shù),證明了當(dāng)回歸系數(shù)的先驗(yàn)分布選擇為擴(kuò)散先驗(yàn)分布時(shí),參數(shù)的各階后驗(yàn)矩都是存在的,并給出了能確定變點(diǎn)位置和性質(zhì)的隱含變量的后驗(yàn)完全條件分布。仿真分析結(jié)果發(fā)現(xiàn)馬爾可夫變結(jié)構(gòu)分位自回歸模型可以全面有效地實(shí)現(xiàn)對(duì)時(shí)間序列數(shù)據(jù)變結(jié)構(gòu)性的刻畫。并應(yīng)用貝葉斯Markov分位自回歸方法分析了中國(guó)證券市場(chǎng)的變結(jié)構(gòu)性,結(jié)果發(fā)現(xiàn)中國(guó)證券市場(chǎng)在不同階段尾部表現(xiàn)出不同的相依性。
【作者單位】： 湖南科技大學(xué)商學(xué)院;中南大學(xué)信息科學(xué)與工程學(xué)院;
【關(guān)鍵詞】： 分位回歸 變結(jié)構(gòu) 貝葉斯方法 Markov鏈 MCMC算法
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(41301421);國(guó)家自然科學(xué)基金項(xiàng)目(41271139)
【分類號(hào)】：F224;F832.51
【正文快照】： 0引言經(jīng)濟(jì)時(shí)間序列通常表現(xiàn)出周期性和變結(jié)構(gòu)性。以往關(guān)于變結(jié)構(gòu)問題的研究主要集中考慮時(shí)間序列均值或方差的變結(jié)構(gòu)性,而在應(yīng)用研究中發(fā)現(xiàn),在不同概率水平下,經(jīng)濟(jì)變量其尾部行為也具有變結(jié)構(gòu)性,比如正沖擊或負(fù)沖擊引起的非對(duì)稱波動(dòng)持續(xù)性。分位回歸方法為研究分布或條件分布

【相似文獻(xiàn)】

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前1條

1 潘海濤;;MCMC算法在時(shí)間序列中的應(yīng)用[A];第八屆中國(guó)不確定系統(tǒng)年會(huì)論文集[C];2010年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 曾惠芳;基于MCMC算法的貝葉斯分位回歸計(jì)量模型及應(yīng)用研究[D];湖南大學(xué);2011年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 劉健玲;應(yīng)用逆跳MCMC算法進(jìn)行局部圖比對(duì)[D];蘇州大學(xué);2010年

2 馬躍淵;醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析中MCMC算法的實(shí)現(xiàn)與應(yīng)用[D];第四軍醫(yī)大學(xué);2004年

  本文關(guān)鍵詞：基于MCMC算法的貝葉斯變結(jié)構(gòu)分位自回歸模型研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：473364