约束下时间序列模型统计推断

许多经济和金融序列的噪声部分不满足正态假设，而是表现出厚尾和异方差性质，并且序列间高度关联。另外，序列内和序列间历史数据对当前时刻数据的影响与时间延迟有关，即延迟大的对当前时刻数据影响小，延迟小的对当前时刻数据影响大。这样体现在模型上也就是参数满足一定的约束条件(序约束、平稳条件约束)的时间序列模型更能够刻划这种现象。本项目正是针对上述问题提出的，重点研究约束条件下时间序列模型的统计推断。对时间序列(AR、ARMA、ARIMA、GARCH)模型，特别是噪声为厚尾和条件异方差的模型，在约束条件下，考虑模型中参数的估计以及估计量的性质，给出关于参数序关系及模型平稳性的检验方法，提出较好的序约束条件下关于上述模型的预测方法。由于这类模型应用广泛，所以本项目有着较好的理论意义和应用前景。