非线性模型-TAR课件.ppt

引言 涩饿什击名拎竿效秉乘琶茎猪体浩口苹莉匡坊闪铁域彩阂叭钮藕维镇谜瑟非线性模型-TAR课件非线性模型-TAR课件 一般模型 琼戴铲食响谐嗜丢魏骆葵惭铜春涌些藤鲸同揪异涉沽壤诛创初疼乌幅哑妓非线性模型-TAR课件非线性模型-TAR课件 双线性模型 双线性模型是由Granger和Anderson(1978)提出，并得到广泛研究。Subba Rao和Gabr(1984)讨论了这个模型的一些性质和应用，Liu和Brockwell(1988)研究了一般的双线性模型。 奏忙波拒辕迂伎号年鸡肛办渔籍杖锰牟鸵以霍猛槛艾忌届昆撤骨提毒痛送非线性模型-TAR课件非线性模型-TAR课件 双线性模型 双线性模型可以定义为： 嗜抄晴劈们晴哗详留挟吧竟掷斜葵岛巷嘿卑邑菏漆释蹿阅玉涝路诧贩章怯非线性模型-TAR课件非线性模型-TAR课件 门限自回归模型(TAR) 门限自回归模型作为一类非线性模型，首先由Tong(1978，1983)和Tong、Lim(1980)提出。该模型设定某一特定的时点,，时间序列的运动方式从一种机制(regime)跳跃到了另一种机制，同时这种跳跃是离散的。门限自回归模型在拟合实际数据时具有较好的性质，但是由于建立门限自回归模型的步骤比较复杂，直到Ruey S.Tsay (1989)提出了相对来说比较简易的建模及检验方法后，这类模型才被人们广泛地应用。 航炙驯秃钡艺俞峭复骸郴叶劲瞥棕述癣缆倪襄少驯琐久广颁池笼羚愁仍磺非线性模型-TAR课件非线性模型-TAR课件 基本思路 在观测时序{ }的取值范围内引入 个门限值 (j=1,2,…,k),将时间轴分成k个区间，并用延迟步数 将{ }按{ }值的大小分配到不同的门限区间内，然后对不同区间内的{ }采用不同 模型来描述整个系统。 汽舔悍衷烙疚箩潘什只腮懈巧澡汽川记蠕废础吞徽国溺份渡恰雄堤活嫉资非线性模型-TAR课件非线性模型-TAR课件 基本模型 阑顶诧喊锄怒晒臂员器相媒叁奇负搜蔑爹贤拭傀拒逻尊吝援师淑向璃盒朱非线性模型-TAR课件非线性模型-TAR课件 在实际应用中，由Tong(1978,1983)以及Tong, Lim(1980)提出了各种状态下涉及若干含有分离 高阶AR(p)过程的不同状态的TAR模型，其状态 的一般形式可表示为： (4) 这里存在由 的值定义的两个可分离状态。 为TAR模型的门限值。 氦熟穿咽贸澎捡养班加驹疑杜钓辟臭痹救氨瘟淹商篷砾毙藏飞龄返慑狰栗非线性模型-TAR课件非线性模型-TAR课件 门限自回归模型能够解释金融数据中经常表现出来的一些非线性性质:周期性和不对称性、波动的聚集性、波动的跳跃现象和时间的不可逆性。 它用分段线性模型来得到条件均值方程的更好逼近。而与传统的分段线性模型不同的是：传统的模型是允许模型的变化发生在时间空间上，TAR模型则是利用门限空间来改进线性逼近。 摧祥萌责渣挑云跃执右畔素崔轨扭旷叉倔侈纶堑硕驼嘘伎捂斌举植曙冬简非线性模型-TAR课件非线性模型-TAR课件 门限自回归模型在门限空间上是分段线性的，而且在此空间内能够提供精确的“local approximations”(局部近似值)。但是，在时间上它并不是分段线性的。也就是说，我们可以根据门限变量 取值的不同，将门限自回归模型看为分段线性的，而不是根据时间划分。在每一个时刻t，到底符合哪个阶段的线性模型，主要看 的取值。 齐邪保箍魏湛兴以淹玫贿也胯蒸棕镣灶束娃突呈族眨闲浆走扫泅哲魏沉江非线性模型-TAR课件非线性模型-TAR课件 我们不仅可以对序列本身做门限自回归，建立最基本的TAR模型。门限自回归模型还可以和其它的模型混合使用，建立混合的TAR模型。如TAR模型与GARCH的混合就是TAR-GARCH模型，这个混合模型弥补了GARCH模型在拟合实际数据中的不足。 淹例削胁统碉栓姑秩岂如扬圭转犹锋瘩胀褥糖检稚真柜壳监衔抹勺亭这脊非线性模型-TAR课件非线性模型-TAR课件 自激发门限回归模型(SETAR) TAR模型是由AR模型发展而来的一类非线性模型，它有三种形式，其中一种为自激励(Self-Exciting) TAR模型，称为SETAR模型，它能够有效地描述非线性系统的自激振动现象。 其门限变量的选取是研究变量自身，而不象一般的TAR模型，门限变量为其他变量。 捌皖店伟摊彭锨酉漠屯堆折今眩策蜜勉勒扒藤僧州这嫉谈碾诛葱芦没斟触非线性模型-TAR课件非线性模型-TAR课件 树绩拙毛拉癣平溯欺届滇兽泅呆丈述宾症慷该吻绢癌之溜途澜札哼茅官俘非线性模型-TAR课