基于小波的部分線性自回歸預(yù)測模型及其應(yīng)用研究.pdf

1、部分線性自回歸模型既含有參數(shù)分量，又含有非參數(shù)分量，兼顧了參數(shù)回歸模型和非參數(shù)回歸模型的優(yōu)點，較單純的參數(shù)模型或非參數(shù)模型有更大的適應(yīng)性和更強的解釋能力。小波分析方法是處理非平穩(wěn)數(shù)據(jù)的理想工具。本文將小波分析方法和時間序列模型結(jié)合起來對我國上證指數(shù)和深證成指進(jìn)行建模預(yù)測，主要內(nèi)容包括：
　　1．首先對線性自回歸滑動平均(ARMA)模型中滯后階數(shù)的選擇、模型的檢驗和預(yù)測，以及小波函數(shù)和分解層數(shù)的確定做了一些討論。然后，對上證指數(shù)和深

2、證成指分別建立了ARMA模型和基于小波的ARMA模型。最后，用所建立的模型進(jìn)行了擬合和預(yù)測，并分析比較了預(yù)測結(jié)果。
　　2．討論了部分線性自回歸模型的建模理論，在估計方法上做了一些探討，確定了滯后變量、最優(yōu)模型，選擇了最佳帶寬，利用偏殘差估計對上證指數(shù)和深證成指分別建立了部分線性自回歸模型，并對建立的模型進(jìn)行了有效性檢驗。用通過檢驗后的模型進(jìn)行預(yù)測，與實際數(shù)據(jù)對比判斷該模型的優(yōu)劣。
　　3．把小波分析和部分線性自回歸模型相結(jié)