贝叶斯模型的应用.pdfVIP

摘 要 ：贝叶斯预测模型是运用贝叶斯统计方法进行的一种预测 ， 它与传统预测方法的不 同之处在于利用了来源于经验和历史资料的 先验信息。 。 通过实证分析的方法 ，将贝叶斯预测模型与普通回 归预测模型的预测结果进行比较， 结果表明贝叶斯预测模型具有明显 的优越性。 贝叶斯 ( B a y e s ) 统计预 测方法 是一种 以 动态模型为研究对 象的时间序列预测方法 。在 做统计推断时 ，一般模式是 ： 先验 信息 + 总体分布信息 + 样本信息， 后 验分布信息 可 以看 出贝叶 斯 模型 不仅 利用 了前期 的 数据信息，还加入了决策者的经验和 判断等信 息．并将客观因素和主观因素结合起来，对异 常情况 的 发生具有较多的灵活性。这里以美 国 年的出口额数 据为例，探讨贝叶斯统计预测方法的应用 。 1 预测模型及其计算步骤 ○ 此处使用常均值折扣模型， 这种模型应用广泛而且简单， 它体现了动 态现行模型的许多基本概念和分析特性 。 常均值折扣模型：对每一时刻 t 常均值折模型记为ＤＬＭ｛１ , １， Ｖ， ζ｝，折扣因子 ζ，０＜ ζ＜１定义如下： １ １－１ ｔ ｔ ｔ 观测方程 ： μ ＝ μ ＋ ψ ， ψ ～Ｎ［０，Ｗ ］ ｔ １ ｔ ｔ 状态方程 ：Ｙ ＝ μ ＋Ｖ ，Ｖ ～Ｎ［０，Ｖ］ ０ ０ ０ ０ 初始信息 ： μ Ｄ ～Ｎ［ｍ ，Ｃ ］ 其 中 μ是 t 时刻序列的水平 ，Ｖ ｔ是 观测误差项或噪声项， ψｔ是 状态误差项 。 定 理 ：对 于 每 一 时 刻 t ，假 设 μ１－１ 的后验分布 （μｔ－１ Ｄｔ－１ ）～Ｎ ［ｍｔ－１ ，Ｃｔ－１ ］，则 μ１ 的先 验分布 （μｔＤｔ－１）～ ｔ－１ ｔ ｔ ｔ－１ ｔ Ｎ［ｍ ，Ｒ ］，其中 Ｒ ＝Ｃ ＋Ｗ 。 ｔ ｔ ｔ ｔ ｔ ｔ－１ ｔ 推论 1 ： （ｙ Ｄ －１）～Ｎ［ γ ，Ｑ ］，其中 γ ＝ｍ ，Ｑ ＝Ｒ ｔ＋Ｖ。 １ ｔ ｔ ｔ ｔ ｔ 推 论 2 ： μ 的后 验分布（ μ Ｄ ）～Ｎ［ｍ ，Ｃ ］，其 中 ｍ ＝ｍ ｔ－１ ＋Ａ ｔ ｅｔ，Ｃ ｔ ＝Ａ ｔ ｖｔ，Ａ ｔ＝Ｒ ｔ ／Ｑｔ，ｅ ｔ ＝ｙ ｔ－ γｔ -1 ｔ