带有趋向项的时间序列贝叶斯模型拟合.pdfVIP

摘 要 在金融时间序列分析中，证券分析师对同一个时间序列给出短期、中期和长期趋势． 这些不同尺度的趋势路径在投资管理中各有不同的用处，它们合在一起成为投资决策的主 要依据．在天气预报中，人们同样关心短期、中期和长期天气变化趋势．这些实际例子说 明时间序列的趋势路径与时间尺度有关．本文研究的问题是如何用统计学的模型和方法解 释这些直观的思想． 从统计学的角度看，时间序列五的趋势曲线地=E(托)是时间t的确定性函数．我们 认为，肌与时间尺度有关，同一时间序列可以从不同的时间尺度上考察，小尺度上的短暂 趋势在大尺度上只能算作随机的波动．因此，误差序列的方差可以恰当地体现时间序列的 尺度因素．如果把误差方差视为可变的参数，那么时间尺度就会在趋势路径中得到体现． 为了使误差方差可以自由变化。趋势曲线的模型是非参数的，误差方差的变动等价予光滑 化参数的变动．趋势曲线的参数模型只适用于固定的时间尺度． 我们假定趋势路径是连续的分段线性函数，误差序列服从Aa(p)过程．模型中的参数 包括AR(p)中的参数以及分段线性函数结点的个数和横坐标．我们把结点纵坐标当作这些 参数的函数，用最tJ、-乘方法得到．为了估计模型参数，我们采用Bayes框架，结点的个数 假定服从截断Pois