采用最小二乘支持向量机的部分相依函数型线性模型估计与应用

摘要：

提出一种基于无截断Bartlett核函数的重构方法,有效避免长期方差函数估计方法面临的核函数与窗宽选择问题,并将其应用到部分相依函数型线性模型中.利用考虑函数型数据相依性的最小二乘支持向量机对模型进行参数估计,数值模拟结果表明:与未考虑函数型数据相依特征的最小二乘估计方法相比,提出的考虑函数型数据相依性的最小二乘支持向量机估计方法能更稳健地估计向量系数,有效提高样本外的预测精度;将部分相依函数型线性模型应用到上证指数开盘价的预测中,得到较好的预测效果.

关键词：部分相依函数型线性模型、长期协方差函数、相依函数型数据、最小二乘支持向量机

所属期刊栏目：43

分类号：O212(概率论与数理统计)

资助基金：国家社会科学基金21AJY001

在线出版日期：2022-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：544-552