基于小波的部分線性自回歸預測模型及其應用研究.pdf

1、部分線性自回歸模型既含有參數分量，又含有非參數分量，兼顧了參數回歸模型和非參數回歸模型的優點，較單純的參數模型或非參數模型有更大的適應性和更強的解釋能力。小波分析方法是處理非平穩數據的理想工具。本文將小波分析方法和時間序列模型結合起來對我國上證指數和深證成指進行建模預測，主要內容包括：
　　1．首先對線性自回歸滑動平均(ARMA)模型中滯后階數的選擇、模型的檢驗和預測，以及小波函數和分解層數的確定做了一些討論。然后，對上證指數和深

2、證成指分別建立了ARMA模型和基于小波的ARMA模型。最后，用所建立的模型進行了擬合和預測，并分析比較了預測結果。
　　2．討論了部分線性自回歸模型的建模理論，在估計方法上做了一些探討，確定了滯后變量、最優模型，選擇了最佳帶寬，利用偏殘差估計對上證指數和深證成指分別建立了部分線性自回歸模型，并對建立的模型進行了有效性檢驗。用通過檢驗后的模型進行預測，與實際數據對比判斷該模型的優劣。
　　3．把小波分析和部分線性自回歸模型相結