论文部分内容阅读
模型阶数的确定、参数估计和预测问题在时间序列建模中占有重要的位置。其中,模型阶数的确定和参数估计是指利用数据及由序列生成的一切信息拟合出恰当的模;而预测是利用拟合模型对序。列在未来某个时刻的取值进行估计,这是进行时间序列分析的最主要的目的。目前,在时间序列的建模分析中主要采用的是经典统计的方法,这就要涉及到大量的抽样理论,因此在理论分析时比较复杂。而运用贝叶斯统计仅从贝叶斯原理出发就可进行建模与预测,其理论非常简单。但计算时常常会遇到对高维概率分布作积分的复杂问题,这使贝叶斯方法的运用受到了极大的限制。随着计算机技术的发展和贝叶斯方法的改进,使得异常复杂的高维计算问题得到解决,很大程度上方便了参数的后验推断问题,极大的促进了贝叶斯时间序列的发展。本文通过引进滑动平均模型MA(q)修改的近似模型和模型的近似似然函数克服了应用贝叶斯方法分析时间序列积分难的问题,成功运用贝叶斯统计方法对滑动平均序列MA(q)进行定阶、参数估计和预测。首先,本文引进一个对滑动平均模型修改的近似模型讨论了滑动平均序列MA(q)的定阶问题。文章从贝叶斯原理出发,在给定的一般先验分布和二次损失函数下,通过极小化贝叶斯期望损失得到了滑动平均模型MA(q)阶数的贝叶斯估计。其次,对定出阶数的滑动平均模型MA(q),在模型的似然函数中通过用误差估计值代替误差值得到近似似然函数后,分别基于正态-Gamma共轭先验分布和Jeffrey的无信息先验分布对滑动平均参数和误差精度进行贝叶斯分析,从而得到模型参数的后验分布,并且在后验风险最小准则下得到模型参数的贝叶斯估计。最后,根据贝叶斯分析模型预报分布密度函数的定义分别基于正态-Gamma共轭先验分布和Jeffrey的无信息先验分布得到了滑动平均序列MA(q)超前一步预测的精确分布。