分形整合过程在济预测中的应用.docVIP

分形整合过程在经济预测中的应用 邹新月?1 吕先进2 （1 湘潭工学院 411201, 2 上 海 大 学 200072） 摘要 本文首先采用一个分形整合模型——误差逗留模型（Error-Duration Model）仔细推导了分形时间序列过程的性质，特别是序列自相关系数的性质，表明分形整合过程与常规的时间序列分析工具有很大的不同，然后以一个实际的时间序列为例，说明了分形整合过程在经济预测中的应用比传统的分析工具有较好的预测精度。 关键字 分形 分形整合 误差逗留模型 1引言 经济数据（特别是经济生活中的时间序列）的辨识、建模、估计和预测一直是统计学家，尤其是计量经济学家们重点研究的对象。人们只有更准确地揭示出经济数据的内在规律，才能正确把握经济变量之间的本质联系，完整地弄清市场经济的运作范式，从而为经济主管部门提供客观的决策依据。众所周知，回归分析和时间序列分析方法过去是、今后仍然是经济领域研究的主要工具，特别是自ENGLE（1982）提出ARCH模型之后，时间序列分析方法又拓宽了一大步，出现了诸如ARCH、ARIMA、GARCH、EGARCH、EGARCH-M等模型，这些模型较之以前的模型更接近经济生活的实际，所以取得了更好的效果。但是近二十年的实证研究又表明上述方法与真实的模型之间仍然有一定的不容忽视的差距，或者说其残差不能完全归结为随