论文部分内容阅读
在实际生活中,对时间序列数据进行分析是我们常常需要面对的问题,所以所用模型的好坏直接影响到对未来情况的预测和对现有数据的描述.根据时间序列数据所表现的性质,我们需要不同的模型去拟合它,本文对一类重要的时间序列数据进行了探讨,仿照1996年LE等人的GMTD模型提出EMTD模型,利用混合型的指数分布函数对时间序列建模,给出了EMTD模型的一阶矩、二阶矩平稳性条件.相异于通常用于混合模型参数估计所采用的EM算法,本文利用遗传算法对模型的参数进行估计,并推导了参数估计的标准误差,及时间序列值的(1-α)%预测区间.
混合模型成分个数的选择一直以来也是一个重要的研究课题,对于所涉及到的这方面的问题,本文采用一种基于优化的距离来确定成分的个数,并给出了相关的推导.
为了说明本文所提出的模型以及算法,在文章中我们还对不同的方法之间进行了比较,做为比较的依据是一步预测区间和一步预测值,对于这些方面本文也给出了推导,并且利用SAS软件得到所有的结果.本文还对LE等人的模型进行了推广,从一维推广为多维的情形,并且利用遗传算法对其进行了参数估计.