基于GARCH族优选模型的舰船器材消耗预测

器材消耗量预测是做好技术保障工作的前提和基础,受设备生命周期、任务类型、海洋环境及使用设备人员的技能水平等因素的影响,舰船器材消耗量序列会随着时间的推移而产生波动现象,丛集效应和高峰厚尾特征明显。根据 AIC(A-Information Criterion)准则,对 GARCH(Generalized Autoregressive Conditional Heteroscedasticity)族模型进行比较优选,寻求一种更为合适的预测模型,实现对消耗量的准确预测。     

确定时间序列协方差函数的方法

提出一种确定时间序列协方差函数的方法,它首先根据(多元)时间序列构造其互协方差函数随机序列、互相关函数随机序列或自协方差函数随机序列、自相关函数随机序列,然后采用谱分析和多点平均方法对互协方差函数随机序列、互相关函数随机序列或自协方差函数随机序列、自相关函数随机序列的趋势项进行分离,分别求得其周期项和非周期项的函数表达式,再综合给出整个趋势项函数。从而得到原时间序列的互协方差函数、互相关函数或自协方差函数、自相关函数的函数形式,并通过最小二乘方法确定其中的待定参数。该方法可用于时间序列协方差函数的建模、分析和预测,并且计算简单易行、精度高,便于实际应用。      

国债指数GARCH模型实证研究

上证国债指数2003年2月24日至2005年7月14日日收盘时间序列经一阶差分后是平稳序列,利用一阶差分序列建立的ARIMA模型存在自回归条件异方差,在ARIMA模型基础上建立的GARCH(1,1)模型、ARCH(1,1)-M模型、TA．RCH(1,1)模型,模型系数检验、标准化残差检验及自回归条件异方差检验都非常理想。由于一阶差分代表收益,利用GARCH(1,1)模型可以对上证国债指数日收益的波动性以及波动性的不对称性,即均值和方差进行准确地预测,同时按差分的定义可将GARcH(1,1)模型转化为预测下一交易日收盘的预测模型。     

海杂波条件异方差特性分析与波动信息提取

由于低擦地角、高海况等易引起雷达海杂波序列的局部剧烈波动,传统的统计分布模型难以描述突然出现的具有冲激特性的强回波,因此,针对这一问题,将广义自回归条件异方差(Generalized Auto Regressive Conditional Heteroskedasticity,GARCH)模型引入海杂波建模中,通过 GARCH模型阶数步进搜索结合残差序列方差齐性检验,实现了海杂波数据的波动信息提取。经 X波段雷达实测数据验证,所提出的波动信息提取方法,可以很好地提取实测海杂波数据在局部区域或时间段内的波动信息,为特征检测方法设计提供有效的特征支撑。     

我国外汇储备变动预测实证研究

基于1993年2月～2007年9月外汇储备月度存量数据,对我国高额外汇储备及其影响进行了分析,并应用ARCH类模型对外汇储备增长率进行了实证研究。实证结果表明：TGARCH（1,1）模型拟合效果最好,这意味着中国外汇储备实际增长率变化是非对称的。最后文章在合理预测的基础上,对巨额外汇储备多元化和资产保值增值提出相关政策建议。