基于LOWESS的函数系数自回归模型(FAR)优化及应用

Optimization of Functional-Coefficient Autoregressive Models (FAR) Based on LOWESS and Its Application

苏理云 ¹梁昌海 ¹李凤兰 ²赵胜利 ¹宋江敏¹

扫码查看

作者信息

1. 重庆理工大学理学院,重庆 400054
2. 重庆理工大学图书馆,重庆 400054
折叠

摘要

函数系数自回归模型(FAR)在非线性时序数据分析应用中,当样本值两端存在数据偏少或异常值的情况,模型回归系数的估计精度不高和稳定性差,引入局部加权散点平滑(LOWESS)方法,优化FAR模型的估计.首先采用重标极差分析法(R/S)计算Hurst指数,并判别序列特征,再建立FAR模型并估计回归系数,最后结合LOWESS平滑方法优化FAR模型,建立LOWESS-FAR模型(LW-FAR模型).通过模拟实验和国泰基金收益率实证分析、预测,表明:LW-FAR模型克服了FAR模型存在异常值时的缺陷,并提高了模型的预测精度和稳定性.

关键词

Hurst指数/FAR模型/LOWESS平滑/预测精度

引用本文复制引用

基金项目

重庆市科委基础研究与前沿探索项目(cstc2018jcyjAX0464)

出版年

2020

重庆理工大学学报

重庆理工大学

重庆理工大学学报

CSTPCD北大核心

影响因子：0.567

ISSN：1674-8425

被引量5

参考文献量7

段落导航