简介概要

基于小波分析与贝叶斯估计的组合统计建模

来源期刊:桂林理工大学学报2017年第1期

论文作者:林静 唐国强 覃良文

文章页码:217 - 222

关键词:小波分析;贝叶斯估计;ARMA模型;MCMC方法;

摘    要:小波分解方法可以实现时间序列的分解。利用小波分析分解出趋势项序列与周期项序列,分别对两部分序列建立ARMA模型进行预测,并重构序列。为了降低估计效率的代价,本文引入MCMC方法对趋势项和周期项序列建立的ARMA模型参数进行估计,得出自回归系数与剩余项(趋势项序列减去自回归项的预测值),并利用OLS方法对剩余项重新估计,最后重组序列。利用样本外数据进行预测分析,我国铁路货运量数据的实证分析结果表明,小波分析的引入可提高预测效果,基于小波分析与MCMC-OLS估计组合方法与其他方法相比,预测效果更好。

详情信息展示

基于小波分析与贝叶斯估计的组合统计建模

林静,唐国强,覃良文

桂林理工大学理学院

摘 要:小波分解方法可以实现时间序列的分解。利用小波分析分解出趋势项序列与周期项序列,分别对两部分序列建立ARMA模型进行预测,并重构序列。为了降低估计效率的代价,本文引入MCMC方法对趋势项和周期项序列建立的ARMA模型参数进行估计,得出自回归系数与剩余项(趋势项序列减去自回归项的预测值),并利用OLS方法对剩余项重新估计,最后重组序列。利用样本外数据进行预测分析,我国铁路货运量数据的实证分析结果表明,小波分析的引入可提高预测效果,基于小波分析与MCMC-OLS估计组合方法与其他方法相比,预测效果更好。

关键词:小波分析;贝叶斯估计;ARMA模型;MCMC方法;

<上一页 1 下一页 >

有色金属在线官网  |   会议  |   在线投稿  |   购买纸书  |   科技图书馆

中南大学出版社 技术支持 版权声明   电话:0731-88830515 88830516   传真:0731-88710482   Email:administrator@cnnmol.com

互联网出版许可证:(署)网出证(京)字第342号   京ICP备17050991号-6      京公网安备11010802042557号