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

优秀毕业论文 精品参考文献资料 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 I  Abstract As one of the branches of statistic, time series is the objective records of the history behavior of the system studied. It contains the system structure and its operation rule and it displays the developing transformation about the researched object during a interval time and finds the character trend through the analyzing the old measured data, so we can predict the object state in future in order to make decision. Therefore, modeling theory about time series plays the important role in data analysis field. Finding better modeling in order to make a forecast exactly, however, the estimation of parameters takes precedence of the modeling. There are three optimization algorithm methods as follows: Newton method, steepest descent method and conjugate gradient method. This paper studies the two optimization algorithm methods of parameters estimation of ARMA model and the application of the ARIMAX model. First of all, we mainly show the purposes of time series analysis, the development history and current state of time series analysis, and analyze the development foreground of time series analysis and expound the development history of the conjugate gradient meth