论文部分内容阅读
线性模型在各个领域的广泛应用充分说明了线性方法的实用性,然而现实世界是非线性的,应用线性模型无法描述数据的某些非线性特征,因此,有必要用非线性方法描述事物的运动规律。 时间序列的非线性主要分为“预报非线性”和“结构非线性”,现阶段的非线性检验主要是基于新息序列检验统计量,本文运用ACE算法对数据进行最优转换,从而实现“预报非线性”检验,并通过“门限非线性”检验来检验时间序列是否为“结构非线性”。 本文主要采用ACE算法对NLAR模型的函数形式进行非参数估计,并对我国进出口总额增长率进行实证研究,发现模型的一步预报效果非常好,明显优于门限自回归模型和线性自回归模型,但是模型比较复杂,可解释性不好,另外在实证研究中发现,非线性自回归适合对波动性不大的数据进行建模预报,当数据波动较大时,非线性自回归模型的一步预报误差将会非常大。同时,本文研究了门限自回归模型的建模方法,并应用我国进出口总额增长率及其同比增长率的数据进行建模,发现“门限非线性”检验具有局限性,不能充分的说明门限自回归模型的适用性,通过对进出口总额增长率的同比增长率构建2阶四个状态空间的门限自回归模型和普通的自回归模型,发现门限自回归模型可以反映出在线性模型中容易被忽视的信息,模型的可解释性非常好,有望对经济的发展提供一定的帮助。在实证研究中发现,由于门限变量的控制作用,使得不同状态空间的模型具有跳跃性,因此对于波动性较大的数据,TAR模型的拟合和预报效果优于线性自回归模型。