对具有较强相关结构的时间序列模型,使用传统扰动模式下的局部影响分析不能有效的识别时间序列数据中的多个成片影响点, 其原因是利用独立的扰动模式去研究非独立的抽样模型,不可能得到有效的结果. 本项目研究金融时间序列模型的局部影响分析。针对金融时间序列的特点,寻找一种新的扰动模式,系统的研究金融时间序列模型的局部影响分析方法,建立一套有效识别金融时间序列模型中多个成片影响点或异常值的方法, 用于解决ARIMA模型、ARCH模型、GARCH类模型、随机波动模型(SV)、单位根检验问题及向量AR模型及协整理论中多个成片影响点或异常值的识别问题。通过模拟分析和实例分析相结合,验证方法的有效性,并将这一结果应用于金融时间序列数据异常现象的识别和分析.
{{i.achievement_title}}
数据更新时间:2023-05-31
EBPR工艺运行效果的主要影响因素及研究现状
基于LS-SVM香梨可溶性糖的近红外光谱快速检测
基于文献计量学和社会网络分析的国内高血压病中医学术团队研究
水中溴代消毒副产物的生成综述
高分五号卫星多角度偏振相机最优化估计反演:角度依赖与后验误差分析
两类带有潜变量的金融时间序列模型研究及其在行为金融中的应用
非线性时间序列模型及其对金融风险管理的应用
基于α-VG分布的多元时间序列模型及其在金融建模中的应用研究
局部影响分析及其相关问题研究