短记忆性时间序列的建模分析及预测

摘要：

AR模型作为时间序列模型的一种,由于其参数估计和定阶简单而广泛用于系统辨识.在多维AR序列的最小二乘建模的基础上,结合Kalman滤波算法,推导了应用Kalman滤波技术的多维AR序列参数估计方法.该算法无需保存历史数据,可对AR模型的估计参数进行实时的修正.在确定AR模型阶数时,提出了两步F检验法.选取上证某A股收益序列作为样本,利用时间序列相关性分析对该算法的有效性进行验证;对时间序列的RMSE和MAD指标进行比较,结果表明该算法大大减少了建模过程中的计算工作量,并具有较好的预测性.

关键词：时间序列、卡尔曼滤波、检验

所属期刊栏目：24

分类号：TP3(计算技术、计算机技术)

在线出版日期：2007-03-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：274-276