arma模型两种共轭梯度参数估计法及arimax模型应用 word格式.docxVIP

摘要时间序列分析是概率统计学科中应用性较强的一个分支，它是指所研究系统的历史行为的客观记录。因而它包含了系统结构特征及其运行规律，往往通过对以往的时间序列数据进行分析处理，可以寻找出序列变化的特征趋势，进而对未来某时刻研究对象的状态作预测，以供决策或控制。为了更准确地作出预测，就要使得时间序列模型拟合显著，而参数估计是时间序列模型拟合显著的首要前提。最常用的参数估计优化算法有：牛顿法、最速下降法和共轭梯度法以及它们的改进方法。论文主要研究了ARMA模型的参数优化估计方法及其在ARMA模型参数估计中的应用和多元时间序列ARIMAX模型的应用。首先，给出了时间序列分析的目的、分析方法以及其研究状况，并分析了时间序列分析的发展前景，同时阐述了共轭梯度法的发展历史。其次，讨论了ARMA相关模型及其检验，并给出了ARMA模型参数优化估计方法中的牛顿法、最速下降法及共轭梯度法常用的优化迭代法。然后，构建了一种双参数共轭梯度法及其在非线性时间序列ARMA模型参数估计中的应用。论文把ARMA 模型参数估计的问题转化为无约束优化问题，将传统的共轭梯度法适当地加以改进，形成新的算法并且将其应用于ARMA模型的参数估计中。再构建了一种三参数的共轭梯度法及其在非线性时间序列ARMA 模型的参数估计中的应用。论文把改进的共轭梯度法应用于ARMA 模型的参数估计中，并用检验函数对提出的新算法进行了检验，结果表明效果较好。最后，给出了多元时间序列ARIMAX 模型解决经济非平稳时间序列的预测分析。对我国2003年12月—2007年10月的上证指数进行建模与预测，并利用SAS 软件，实现了建模仿真的全过程。关键词ARMA 模型；参数估计；共轭梯度法；ARIMAX 模型；预测IAbstractAsoneofthebranchesofstatistic,timeseriesistheobjectiverecordsofthehistorybehaviorofthesystemstudied.Itcontainsthesystemstructureanditsoperationruleanditdisplaysthedevelopingtransformationabouttheresearchedobjectduringaintervaltimeandfindsthecharactertrendthroughtheanalyzingtheoldmeasureddata,sowecanpredicttheobjectstateinfutureinordertomakedecision.Therefore,modelingtheoryabouttimeseriesplaystheimportantroleindataanalysisfield.Findingbettermodelinginordertomakeaforecastexactly,however,theestimationofparameters takesprecedenceofthemodeling.Therearethreeoptimizationalgorithmmethodsasfollows:Newtonmethod,steepestdescentmethodandconjugategradientmethod.ThispaperstudiesthetwooptimizationalgorithmmethodsofparametersestimationofARMAmodelandtheapplicationoftheARIMAXmodel.Firstofall,wemainlyshowthepurposesoftimeseriesanalysis,thedevelopmenthistoryandcurrentstateoftimeseriesanalysis,andanalyzethedevelopmentforegroundoftimeseriesanalysisandexpoundthedevelopmenthistoryoftheconjugategradientmethod.Secondly,weintroducetheparameterestimationmethodsforARMAmodelandmodeltest.ThischapterintroducesNewtonmethod,steepestdescentmethodandconjugategradientmethod.Thirdly,wemakeupanewkindofconjugategradientmethodwhichcontainstwoparametersandtheapplicationofitint