论文部分内容阅读
近几十年来,关于时间序列分析的研究得到了迅速发展,特别是对于线性时间序列,取得了系统而丰富的结果。但是,对非线性时间序列的研究,仅在近二十年来才逐渐被重视起来。
对非线性时间序列的研究,近几十年来,有两条研究路线非常活跃,其一是自回归条件异方差 (ARCH) 模型,其二是非平稳(单位根)时间序列模型。具有自回归条件异方差 (ARCH) 的时间序列模型,首先是由Engle<[1]>(1982)提出,这类模型在金融和经济领域有着广泛的应用。此后,经济学家和数学家又根据在实际研究中的需求,提出了许多 ARCH 模型的变异,形成了一个 ARCH 模型体系。
Wong<[2]>等在“On a mixture autoregressive conditional heteroscedastic”中提出了 MAR-ARCH 模型,此模型是非线性时间序列建模的有力工具,主要的优点是不仅具有条件异方差性,而且具有多峰的条件密度函数,这样用这类模型来描述上述现实问题会更合理。
本文在Wong<[2]>等思想的基础上,推广了 MAR-ARCH 模型,提出了MAR-GARCH模型,并给出其平稳性条件,讨论了EM算法对 MAR-GARCH模型的参数估计并给出了实证计算。