在天氣預(yù)報(bào)中,常存在著一定的誤差,其波動(dòng)也出現(xiàn)著一定的波動(dòng)集聚性和不對(duì)稱性。因此有學(xué)者基于氣溫波動(dòng)特征建立了AR-EGARCH模型,較好地捕捉了氣溫波動(dòng)趨勢(shì),獲得了較好的效果。但是它是均值意義下的回歸模型,其穩(wěn)健性較弱。本文將分位數(shù)回歸和它進(jìn)行結(jié)合,并針對(duì)每個(gè)分位數(shù)點(diǎn)的預(yù)測(cè)進(jìn)行加權(quán)組合。結(jié)果表明,組合模型的預(yù)測(cè)精度有一定的提高。 

【文章來(lái)源】：合肥師范學(xué)院學(xué)報(bào). 2020,38(03)

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

合肥市氣溫變動(dòng)趨勢(shì)圖

【參考文獻(xiàn)】：
期刊論文
[1]基于QR-t-GARCH（1,1）模型滬深指數(shù)收益率風(fēng)險(xiǎn)度量的研究[J]. 劉亭,趙月旭.  數(shù)理統(tǒng)計(jì)與管理. 2018(03)
[2]匯率決定模型的樣本外預(yù)測(cè)能力研究:基于分位數(shù)回歸方法[J]. 關(guān)蓉,鄭海濤,胡天惠.  投資研究. 2017(03)
[3]基于AR-EGARCH的空氣溫度預(yù)測(cè)模型[J]. 崔海蓉,張京波,何建敏.  統(tǒng)計(jì)與信息論壇. 2013(10)
[4]改進(jìn)的門檻自回歸建模方法在氣候預(yù)測(cè)中的應(yīng)用[J]. 邵忠臣.  中原地理研究. 1986(02)

碩士論文
[1]分位數(shù)回歸在時(shí)間序列中的應(yīng)用[D]. 彭良玉.天津大學(xué) 2010



本文編號(hào)：3217217