The econometrics model which is established by traditional ordinary least square mainly reveals the long-term and average relations among economical variables. In the forecasting application, it couldn't distinguish near future and far future influence. As a result, its forecasting application can't reveal the short-term waved changes of variables. By using the method that is applied in M-estimation of robust regression to deal with outliers, we set up forecasting robust regression model. Our purpose is to add factors that economical variables are influenced by time sequence into regression model in its forecasting application. By empirical analysis, we also test and verify that this method indeed heighten the model's forecasting precision.

文章针对投资组合理论中经典的夏普单指数投资组合模型,引入了稳健统计的思想,将稳健回归方法应用到该投资组合模型,降低了证券市场中证券收益率历史数据中因短期内重大利好或利空导致的超高或超低收益率离群值对投资组合决策的影响,并结合我国证券市场的特点,对沪市A股市场进行了实证分析,得到了证券投资组合的有效前沿。

本文以人口自身传递应和人口政策调节效应为理论假设,提出了兼顾两种效应的人口自适应回归预测模型。与一般的自回模型AR(n)相比,自适应回归预测模型能更好地描述、解释和预测人口的发展变化,是一种优化的回归预测模型。

文章在简要介绍地理加权回归(GWR)模型的基础上,推导地理加权回归模型的贝叶斯估计方法(BGWR),并分析该估计方法的稳健性。通过模拟实验研究贝叶斯地理加权回归在数据包含各种异常值情况下的稳健性,结果显示:贝叶斯地理加权回归比地理加权回归具有更好的稳健性。虽然贝叶斯地理加权回归模型计算时间略多一些,但是在空间数据集可能包含异常值的情况下,贝叶斯地理加权回归模型更为可靠和有效。

在解释变量内生和误差序列相关的指数平滑转换协整回归模型中,研究协整关系属于线性协整还是指数平滑协整的Wald检验方法。在用泰勒展开替代指数函数得到的辅助回归模型中,应用超前和滞后方法解决误差序列的相关性和解释变量的内生性,得到Wald统计量的极限分布收敛于标准的χ2分布。模拟计算验证了Wald检验具有良好的有限样本性质。实证分析发现多种期货价格和现货价格之间具有非线性协整关系。

本文运用spss19中的指数平滑模型、ARIMA模型、指数模型和回归分析模型对四川省内江市历年物流量和经济数据进行建模和预测。对四种方法的预测结果进行比较、分析、检验,最后得到内江市未来的物流量最有可能的发展情况,给出平均误差,并针对物流产业的发展提出相关对策。

线性回归模型中参数估计常用最小二乘法,该方法受离群值影响,而真实数据中离群点难以避免,这直接影响到线性回归模型的预测效果。稳健估计能有效地消除或减弱离群点对线性回归模型参数估计的影响。由于协方差矩阵是许多统计方法的基石,因此,最小协方差行列式估计成为常用稳健估计方法之一。本文针对最小协方差行列式估计获得均值和协方差估计的有效性不如罗克估计和合成似然估计,采用数值模拟与真实数据预测,进一步对这三种技术获得参数估计进行稳健性比较。结果表明:合成似然估计与罗克估计表现更为稳健,进而提出将其应用于大气污染物浓度预测。

文章针对ARMA建模中模型识别时自协方差函数的不稳健性,对经典的自协方差函数进行如下稳健改进:1、利用Huber提出的ρ函数的导函数对原序列进行稳健变换,并取绝对离差均值作为样本方差σ?的稳健尺度估计,2、采用三均值作为原序列均值的稳健估计。以上改进保证对样本自协方差计算时降低异常值的影响,从而改善对自相关函数的估计,进而提高对ARMA模型识别的精确性。最后运用R语言对上证指数进行实证分析论证得出稳健改进的合理性和可行性。

一、问题的提出 在金融数据分析和计量经济学中,经常会使用时间序列数据,特别是在线性回归模型中,即使yt=x_tβ+μ_t(t=1,2,A,T)解释变量和被解释变量有一定的相关关系,但是往往会出现令人意外的结果,比如说,t检验和F检验都通过,且参数具有明显的经

在线性空间自回归模型的研究中,本文首次提出了将三种惩罚LASSO,ALASSO,SCAN进行惩罚效果的比较;然后利用惩罚最小二乘进行参数估计,在三种惩罚函数下,进行了模拟分析,并且将三种惩罚估计与拟极大似然估计进行了比较,在实例分析中,针对美国的暴力犯罪问题,在加入空间因素后,讨论了本区域和周边环境的因素对暴力犯罪率的影响。在整理了美国各州的暴力犯罪数据后,我们发现仍然有59个自变量,利用三种惩罚函数,得出在各种惩罚下的压缩估计,经过进一步分析,得出了影响某一区域的暴力犯罪率的主要因素。

经济预测的方法有许多 ,其中马尔柯夫预测法是应用概率论中马尔柯夫链的理论和方法来研究分析有关经济数据的变化规律 ,并由此预测未来变化趋势的一种重要方法。这种方法已在市场预测分析和市场管理决策中得到广泛的应用。本文结合具体案例重点分析了如何应用马氏链进行市场占有率和期望利润的预测。

运用DEA模型对西安市2003～2010年的物流效率进行分析,并利用Tobit回归模型评价物流效率与各个影响因素之间的相关性。结果表明:西安市整体物流效率较高,且与经济发展水平(GDP)、区位优势、物流资源利用率和市场化程度呈正相关,其中物流资源利用率和市场化程度对物流效率的影响程度更深。

运用非线性回归计量方法研究大型PPP项目风险受宏观环境、微观环境、主体能力及合作关系等多种因素影响而平稳演化的规律。首先,通过案例分析找出大型PPP项目风险演化的主要驱动变量;其次,构建风险非线性回归计量模型并将其变形、简化为线性回归模型;最后,结合实例对模型参数进行估计和检验。通过研究发现,无突变因素情况下,项目风险与影响变量之间存在稳定均衡的非线性关系,宏观环境对风险变化的影响最为显著。

尝试运用多元线性回归模型对河北省物流需求进行预测分析。在借鉴前人研究成果的基础上,选取研究指标,并且根据统计对数据的严格要求,选取了1990-2009年河北省统计年鉴上的相关指标作为数据来源,并对数据进行了逐步回归,以消除多重共线性,最后得出回归模型,并对模型进行了相关检验,验证模型是适合进行预测的。最后提出基于货运量是物流需求预测的关键,从三个方面提出加快河北省物流产业发展的政策建议。

本文结合复合分位数回归和自适应LASSO惩罚方法为固定效应面板数据模型提供了一种稳健变量选择过程。先通过正向正交偏差变换消除固定效应,再利用自适应LASSO构造惩罚复合分位数回归目标函数,进而同时进行回归系数的估计和变量选择。在一些正则条件下,证明了所提出的估计具有Orcale性质。该方法不仅消除了固定效应对估计的影响,而且具有稳健性。模拟研究了所提出方法的有限样本性质并将其应用于实际数据分析。