基于小波变换的ARFIMA模型参数另一种极大似然估计-概率论与数理统计专业论文.docxVIP

j自 j自 要 摘 要 本文研究了平稳长记忆过程、小：支变换，并具体分析了一种 特殊的长记忆过程．ARFIMA(p，d，g模型。在Tse(2002)这篇 文献的基础上我们用小波变换方法提出ARFIMA(p．d，q1模型中 分形差分参数d的另一种极大似然催计(MLE)。这种极大似 然估计被证明是相合的和渐近正态的。仿真结果显矛这种极大似 然估计偏差较小，并且与Tse(2002的估计值相比较有更小的 根均方误差(RMSE)。我们相信这砷方法可能更力亡合理，在估 计长记忆时间序列中是一种有效的方法。 关键词 平稳长记忆过程；ARF』M4模型；离散小波变换 (DWT)；相合性；渐近正态性 学科分类号 37M10 47N30 AbstractAb Abstract Ab stract This paper considers the long-memory process，wavelets trans— form．Then we study a kind of speci al long-memory process-the ARFIMA(,p，d，g)model．In that case we present another maximum likelihood estimator(MLE)of the fracti onal differencing parameter d using wavelets transform．The A彳L￡is proved tO be consist and asymp- totic normal．The simulation results S,．qOW this^，，上E has lOW bias and has lower root mean square error(．RMSE)than the estimator of Tse(2002)．We believe that this method may more reasonable and be use— ful in estimating long—memory time serie s． Keywords ARF I M A model；discrete wavelet transform(DWT)； consistency；asymptotic normalitv． Subject Classifications 37M 1 0 47N3(· 学位论文独创性声明本人郑重声明： 学位论文独创性声明 本人郑重声明： l、坚持以“求实、创新”的科学精神从事研究工作。 2、本论文是我个人在导师指导下进行能研究工作和取得能研究成果。 3、本论文中除引文外，所有实验、数据和有关材料均是真实的。 4、本论文中除引文和致谢的内容外，不包含其他人或其它机构已经发表 或撰写过的研究成果。 5、其他同志对本研究所做的贡献均已在论文中作了声明并表示了谢意。 作者签名： 日 期： 学位论文使用授权声明 本人完全了解南京师范大学有关保留、使用学位论文的规定，学校有权 保留学位论文并向国家主管部门或其指定机构送交论文的电子版和纸质版； 有权将学位论文用于非赢利目的的少量复静并允许论文进入学校图书馆被查 阅；有权将学位论文的内容编入有关数据库进行检索；有权将学位论文的标 题和摘要汇编出版。保密的学位论文在解密看适用本规定。 作者签名： 日 期： #茸言．iL—JL #茸言 ．iL—JL 刖 舌 最近几年来长记忆时间序列建模已经成为一个研究热点。下面我们先认 识一下长记忆时间序列。 ARM．4过程{五)称为短记忆过程，原因是当惫_。C时，．Y1与xl+知的协 办旌L或独立性)迅速减小。事实j：，其自相关函数足以等比数列为界，即 p(七)I S C7一，k=1．2， ， 其中C0．O7’1． 长记忆过程是自相关函数满足： p(k)一C≈2d～，k—00， C≠0，d0．5的平稳过程。 对于一个长记忆过程，当k较大时我们有p(k)≈Ck2卜1。随着k一 ∞，p(k)一0，但是它衰减No的速度非常慢，也就是说时间序列中距离很远的 两个数，仍有不可忽略的协方差。 (用更危象的说法，当前观测保留有久远 往事的一些“记忆”。) 我们在宏观和微观现象的科学研究工作中广泛地发班和研究这种过程： (1)通过细胞膜的电压波动(Holden，1 976)． (2)砂粒通过砂漏一个小时的密度变t二(Schick and Verveen，1974)． (3)高速公路的交通流量变化(Mush￡and Higuchi÷】976)． (4)地球物理学中钻孔的阻抗变化(、7·alden，1994)． (5)地球旋转变化(Munk and MacDor ald，1975)． (