稳定与不稳定长记忆随机历程分析：估计、应用及预测.pdf

论文摘要 在本论文中，我们考虑了两类随机过程：稳定长记忆过程和不稳定长记忆过程。 主要形f究其概率性质、估计方法、预测方法和统计检验的性质。 稳定长记忆过程在过去的十几年中被广泛研究。一些长记忆过程被证明具有自 相似性质，这一性质在做参数估计时非常有用。本文回顾了连续时间序列和离散时 间序列的自相似性质，并得到了两个命题。我们证明了稳定的长记忆时间序列是渐 近二阶自相似的，而稳定的短记忆时间序列不是渐近二阶白相似的。于是，我们把 这一结果应用于一些特殊的长记忆时间序列上，如$k$因子GAMA过程，$k$因子 GIGARCH过程等。同时我们也研究了一些异方差过程以及伴有转换和跳跃的模型的 自相似性。 我们回顾了稳定长记忆时间序列的参数估计方法，包括参数方法(如极大似然 方法)。我们也研究了估计的一致性和渐近正态性质。 对经济和金融时间序列而言，检验稳定长记忆随机过程的季节性和非季节性分 数整合阶数是非常重要的。Robinson(1994)检验被广泛应用于各种时间序列模 型中。我们通过蒙特卡罗实验，研究、比较了在不同大小的样本大小下这一检验的 性质，为那些想要应用Robinson检验的实际应用者提供了很好的参照标准。 在实际应用中，我们经常会观察到金融数据的季节性