基于小波分析与贝叶斯估计的组合统计建模
来源期刊:桂林理工大学学报2017年第1期
论文作者:林静 唐国强 覃良文
文章页码:217 - 222
关键词:小波分析;贝叶斯估计;ARMA模型;MCMC方法;
摘 要:小波分解方法可以实现时间序列的分解。利用小波分析分解出趋势项序列与周期项序列,分别对两部分序列建立ARMA模型进行预测,并重构序列。为了降低估计效率的代价,本文引入MCMC方法对趋势项和周期项序列建立的ARMA模型参数进行估计,得出自回归系数与剩余项(趋势项序列减去自回归项的预测值),并利用OLS方法对剩余项重新估计,最后重组序列。利用样本外数据进行预测分析,我国铁路货运量数据的实证分析结果表明,小波分析的引入可提高预测效果,基于小波分析与MCMC-OLS估计组合方法与其他方法相比,预测效果更好。
林静,唐国强,覃良文
桂林理工大学理学院
摘 要:小波分解方法可以实现时间序列的分解。利用小波分析分解出趋势项序列与周期项序列,分别对两部分序列建立ARMA模型进行预测,并重构序列。为了降低估计效率的代价,本文引入MCMC方法对趋势项和周期项序列建立的ARMA模型参数进行估计,得出自回归系数与剩余项(趋势项序列减去自回归项的预测值),并利用OLS方法对剩余项重新估计,最后重组序列。利用样本外数据进行预测分析,我国铁路货运量数据的实证分析结果表明,小波分析的引入可提高预测效果,基于小波分析与MCMC-OLS估计组合方法与其他方法相比,预测效果更好。
关键词:小波分析;贝叶斯估计;ARMA模型;MCMC方法;