-
题名分整增广GARCH-M模型
被引量：8
- 1
-
-
作者
柯珂
张世英
-
机构
天津大学管理学院
-
出处
《系统工程学报》
CSCD
2003年第1期16-24,共9页
-
基金
国家自然科学基金资助项目(70171001).
-
文摘
ARCH模型是研究异方差和自相关问题的一类重要模型族.长记忆性则是许多时间序列中存在的性质.文章将长记忆性扩展到几乎所有现有的ARCH模型,提出了数十种新模型;并用一个模型概括了迄今几乎所有的ARCH模型,这就是分整增广GARCH＿M模型;从而解决了各种ARCH模型在模型设定检验、长记忆性诊断和参数估计等方面的障碍.最后通过仿真实验和实证研究说明分整增广GARCH＿M模型在实际经济分析中的必要性.
-
关键词
ARCH模型
长记忆性
分整增广garch-m模型
参数估计
-
Keywords
ARCH model
long_memory property
fractional integrated augmented GARCH_M model
-
分类号
O212.1
[理学—概率论与数理统计]
-
-
题名分位数因子增广的分位数自回归分布滞后模型构建
- 2
-
-
作者
黄玉婷
傅德印
-
机构
兰州财经大学统计与数据科学学院
中国劳动关系学院劳动经济学院
-
出处
《统计与决策》
CSSCI
北大核心
2024年第12期35-41,共7页
-
基金
甘肃省优秀博士生项目(23JRRA1189)
甘肃省研究生“创新之星”项目(2023CXZX-700)
兰州财经大学博士研究生科研创新项目(2022D02,2022D05)。
-
文摘
因子增广回归是利用高维数据对宏观经济进行预测的重要方法。然而,均值回归框架下的因子模型和回归模型在面对异常值或厚尾分布时结果不够稳健。为此,文章在分位数回归框架下构建分位数因子增广分位数自回归分布滞后模型,该模型通过构建分位数因子模型对高维数据进行降维,提取不同分位点的公共因子;进一步,利用提取出的公共因子和响应变量的滞后项构建分位数自回归分布滞后模型。数值模拟结果表明,在数据出现异常值或厚尾分布的情境下,分位数因子分析估计的均值因子和非均值因子更稳健,分位数因子增广回归的预测性能优于因子增广回归的预测性能,且分位数因子增广分位数自回归分布滞后模型的预测性能优于基准模型。
-
关键词
分位数因子
分位数回归
因子增广回归
自回归分布滞后模型
-
Keywords
quantile factor
quantile regression
factor-augmented regression
autoregressive distributed lag model
-
分类号
F224
[经济管理—国民经济]
-
-
题名ARCH模型的诊断分析
被引量：21
- 3
-
-
作者
柯珂
张世英
-
机构
天津大学管理学院
-
出处
《管理科学学报》
CSSCI
2001年第2期12-18,共7页
-
基金
教育部博士点专项科研基金资助项目!(2 0 0 0 0 0 5 6 0 6 )
-
文摘
探讨了 ARCH模型的诊断分析和变结构建模问题 .所提出的分整增广 GARCH- M模型包括了几乎所有现有的 ARCH模型 ,基于分整增广 GARCH- M模型克服了 ARCH模型在模型设定检验 ,长记忆检验和参数估计等方面的障碍 .利用分段建模方法来检测模型结构变化点和分段变化模型的选择 .最后 ,以上海证券综合事业股票指数为数据 。
-
关键词
ARCH模型
诊断分析
变结构建模
分整增广garch-m模型
金融波动性
分段建模
变结构点
-
Keywords
ARCH model
diagnose analysis
modeling with structure change
-
分类号
F224.0
[经济管理—国民经济]
-
-
题名删失部分线性可加模型的复合分位数回归及应用
被引量：1
- 4
-
-
作者
杨晓蓉
李路
武皓月
许文婷
-
机构
浙江工商大学统计与数学学院
浙江工商大学统计数据工程技术与应用协同创新中心
-
出处
《应用概率统计》
CSCD
北大核心
2023年第4期604-622,共19页
-
基金
浙江省自然科学基金项目(批准号:LY22A010006)
国家社会科学基金项目(批准号:17BTJ027)
+2 种基金
浙江省重点建设高校优势特色学科(浙江工商大学统计学)
浙江工商大学统计数据工程技术与应用协同创新中心
浙江省属高校基本业务费专项基金资助
-
文摘
本文针对一种具有广泛适用性的半参数模型,部分线性可加模型,研究其响应变量存在删失数据时模型系数和非参数函数的估计.对此,提出了一种基于数据增广的复合分位数回归估计方法.该方法利用分位数回归和分布函数之间的联系,构造插补数据集,并通过迭代采用复合分位数回归得到最终的估计值.所提方法放宽了对模型的假设,不但对迭代初始值的要求很低,还允许响应变量同时存在多种类型的删失,具有一定的普适性.数值模拟表明所提方法可以较为准确地估计出删失部分线性可加模型的系数和非参数函数.实证研究中,本文选取了北京市空气质量数据,测度了PM10浓度、CO浓度、温度、气压以及露点对PM2.5浓度的影响.结果显示,部分线性可加模型的复合分位数回归可以较好地从线性和非线性关系两个角度来刻画这些因素对PM2.5浓度的影响,并且所提方法在删失数据的处理上表现良好.
-
关键词
删失数据
部分线性可加模型
复合分位数回归
数据增广
-
Keywords
censored data
partially linear additive model
composite quantile regression
data augmentation
-
分类号
O212.1
[理学—概率论与数理统计]
-
