等式约束条件下半变系数模型的参数估计.docVIP

等式约束条件下半变系数模型的参数估计.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
等式约束条件下半变系数模型的参数估计

统计与决策201 1 年第 21 期(总第 345 期) 15 16 统计与决策201 1 年第 21 期(总第 345 期) 等式约束条件下半变系数模型的参数估计 崔红芳,单 锐,李玲玲,高敬辉 (燕山大学 理学院,河北 秦皇岛 066004) 摘 要:文章主要讨论在线性等式约束 Aβ = b 下半变系数模型的参数估计问题,给出了参数 部分 β 在等式约束 Aβ = b 下的 P-CD 共轭投影梯度法和非参数部分 α(?) 的估计,证明了该共轭投 影梯度算法的全局收敛性。 关键词:半变系数模型;P-CD 共轭投影梯度法;局部线性估计;全局收敛性 中图分类号:O212.7 文献标识码:A 文章编号:1002-6487(2011)21-0015-03 T 0 引言 列,xi = ( xi1, ?xip ) T T ∈ R ,zi = (zi1, ?ziq ) ∈ R 是协变量, T β = (β1, ?βp ) 是 p 维未知参数向量,α(?) = (α1(?), ?αq (?)) 考虑如下的半变系数模型 是 q 维未知函数向量,β 和 α(ui ) 是带估参数,αj (ui ) 是定义 T T yi = xi β + z (u ) + ε ,A = b (1) 在 [0, 1] 上的未知函数,{εi, i = 1, ?n} 是具有零均值的独立 i α i i β 其中 yi 是响应变量,( xi, zi, ui ) 是固定的非随机设计序 同分布随机变量序列。参数 β 的线性约束条件是 Aβ = b , 基金项目:河北省教育厅科研项目(A1447) 作者简介:崔红芳(1984-),女,河北衡水人,硕士,研究方向:优化理论与时间序列分析。 单 锐(1961-),女,河北秦皇岛人,博士,教授,研究方向:优化理论与时间序列分析。 股票价格数据是一种典型的时间序列数据,受随机因素的影 响很大,而且不同行业的股票价格受同一因素的影响可能是 截然相反的。即使是同一行业内的股票,受同一作用机制的 影响所做出的反应也不相同。本文提出的相似性度量方法 在序列分割时充分考虑了子模式的发展趋势和模式发生的 时滞性,因此能够很好的体现在同一因素作用下两只股票序 列的表现,从而进一步可以为投资者合理分配资金,建立可 靠的投资组合,分散风险提供依据。以上文提到的 sh600110 的数据为例,寻找同一行业中与其相似的股票进行相似性度 量 ,发 现 有 较 好 的 区 分 度 ,获 得 最 大 相 似 度 的 股 票 为 sh600281(S=0.85),最小的相似度为 sh600319(S=0.53)。 6 总结 在对时间序列(以股票市场数据为研究对象)相似性研 究中,提出了一种新的度量股票市场序列相似性的方法。该 方法基于对时间序列的共同模式的挖掘,找出两个序列的相 似子模式或称子序列,通过共同模式发生的频繁度来度量整 个序列的相似性。根据这种思想,本文作者利用 Matlab 完成 的算法的实现过程,并对算法中相应的参数的设置进行了考 量。通过对某支股票的数据所组成的时间序列加入干扰因 素:噪音,水平移动,振幅等,得出该方法对于时间序列中的 噪音和振幅变化有较强的敏感度,但对于时间序列的水平移 动或者子序列的时滞差异表现地较为宽容。 参考文献: [1]王晓晔.时间序列数据挖掘中相似性和趋势预测的研究[D].天津 大学,2004. [2]马超群,兰秋军,陈为民等.金融数据挖掘[M].北京:科学出版社,2007. [3]Berndt D,Clifford J. Using Dynamic Time Warping to Find Patterns in Time Series[A]. In: AAA-94 Workshop on Knowledge Discovery in Databases,KDD-94[C]. Seattle, Washington,359~370. [4]Bachir Boucheham. Reduced Data Similarity-based Matching for Time Series Patterns Alignment[J].Pattern Recognition Letters,2010 ,31(7). [5]Agrawal R, Lin K I, Sawhney H S,et al. Fast Similarity Search in the Presence of Noise, Scaling, and Translation in Time Series Database [A].In: Proceedings 1995 Int’l Conferenc

文档评论(0)

zhuwenmeijiale + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:7065136142000003

1亿VIP精品文档

相关文档