×

时间序列数据的加权密度。 (英语) Zbl 1359.62393号

摘要:虽然时间序列预测是一个重要的、积极研究的问题,但时间序列模型的预测准确性因非平稳性而变得复杂。我们开发了一种快速有效的方法来考虑所选时间序列模型参数的非平稳性。在我们的加权密度(PWD)方法中,相对于最近的观测,过去的观测值在似然函数中被向下加权,同时仍让从业者控制数据模型的选择。滚动窗口估计是学术金融界最流行的非平稳技术之一,是PWD方法的一个特例。与流行的状态空间方法相比,我们的PWD框架是一个更简单的替代方案,这些方法明确地建模了底层状态向量的演化。与平稳模型和其他非平稳方法相比,我们证明了PWD方法在预测性能方面的优势。在30个行业投资组合的财务应用中,我们的PWD方法具有显著有利的预测性能,并得出了一些关于系数随时间演变和市场因素重要性的实质性结论。

MSC公司:

62M20型 随机过程推断和预测
62M10个 统计学中的时间序列、自相关、回归等(GARCH)
62P05号 统计学在精算科学和金融数学中的应用
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Aiolfi,M.和Timmermann,A.(2006年)。坚持预测绩效和条件组合策略。《计量经济学杂志》135 31-53·Zbl 1418.62406号 ·doi:10.1016/j.jeconom.2005.07.015
[2] Avramov,D.(2002)。股票收益的可预测性和模型的不确定性。《金融经济学杂志》64 423-458。
[3] Berry,D.A.和Stangl,D.K.(1996年)。健康相关研究中的贝叶斯方法。贝叶斯生物统计学。统计:一系列教科书和专著15 3-66。Marcel Dekker,纽约州纽约市。
[4] Berry,S.M.、Carlin,B.P.、Lee,J.J.和Muller,P.(2010年)。临床试验的贝叶斯自适应方法38。CRC出版社,博卡拉顿·Zbl 1306.62005年 ·doi:10.1201/EBK1439825488
[5] Brian,N.(2010年)。贝叶斯分析使用功率先验,并应用于儿科护理质量。生物计量与生物统计学杂志1:103。
[6] Carhart,M.M.(1997)。关于共同基金业绩的持续性。《金融杂志》52 57-82。
[7] Carter,C.K.和Kohn,R.(1994年)。状态空间模型的吉布斯采样。生物特征81 541-553·Zbl 0809.62087号 ·doi:10.1093/biomet/81.3.541
[8] Chen,Y.和Singpurwalla,N.D.(1994年)。一种用于跟踪软件可靠性的非高斯卡尔曼滤波器模型。统计师。中国4 535-548·Zbl 0824.62088号
[9] Dangl,T.和Halling,M.(2012年)。具有时变系数的预测回归。《金融经济学杂志》106 157-181。
[10] Dawid,A.P.(1992)。前期数据分析。统计推断的当前问题:纪念D.巴苏的论文。数理统计研究所讲义专著系列17 113-126。加利福尼亚州海沃德IMS·Zbl 0850.62091号 ·doi:10.1214/lnms/1215458842
[11] Fama,E.F.和French,K.R.(1989年)。商业状况和股票和债券的预期回报。《金融经济学杂志》25 23-49。
[12] Fama,E.F.和French,K.R.(1993年)。股票和债券回报中的常见风险因素。《金融经济学杂志》33 3-56·Zbl 1131.91335号 ·doi:10.1016/0304-405X(93)90023-5
[13] Figlewski,S.(1984)。股指期货的套期保值绩效和基差风险。《金融杂志》39 657-669。
[14] Gelfand,A.E.和Dey,D.K.(1994年)。贝叶斯模型选择:渐近和精确计算。J.R.统计社会服务。B.统计方法。56 501-514. ·Zbl 0800.62170号
[15] Gelman,A.、Carlin,J.B.、Stern,H.S.和Rubin,D.B.(2003年)。贝叶斯数据分析。CRC出版社,博卡拉顿·Zbl 1279.62004号
[16] Geman,S.和Geman,D.(1984年)。随机松弛、吉布斯分布和图像的贝叶斯恢复。IEEE模式分析和机器智能事务6 721-741·Zbl 0573.62030号 ·doi:10.1109/TPAMI.1984.4767596
[17] Grunwald,G.K.,Raftery,A.E.和Guttorp,P.(1993)。连续比例的时间序列。J.R.统计社会服务。B.统计方法。55 103-116. ·Zbl 0780.62065号
[18] Hobbs,B.P.、Carlin,B.P.、Mandrekar,S.J.和Sargent,D.J.(2011年)。临床试验中历史信息自适应合并的层次相称和功率先验模型。生物统计学67 1047-1056·Zbl 1226.62114号 ·文件编号:10.1111/j.1541-0420.2011.01564.x
[19] Hoeting,J.A.、Raftery,A.E.和Madigan,D.(2002年)。线性回归中的贝叶斯变量和变换选择。J.计算。图表。统计师。11 485-507·doi:10.1198/106186002501
[20] Ibrahim,J.G.和Chen,M.H.(2000年)。回归模型的幂先验分布。统计师。科学。15 46-60. ·doi:10.1214/ss/1009212673
[21] Kass,R.E.和Raftery,A.E.(1995)。贝叶斯因素。J.Amer。统计师。协会90 773-795·Zbl 0846.62028号 ·doi:10.2307/2291091
[22] Lewellen,J.和Nagel,S.(2006年)。条件资本资产定价模型不能解释资产定价异常。《金融经济学杂志》82 289-314。
[23] Madigan,D.和Raftery,A.E.(1994年)。模型选择和使用Occam窗口计算图形模型中的模型不确定性。J.Amer。统计师。协会89 1535-1546·Zbl 0814.62030号 ·doi:10.2307/2291017
[24] McCarthy,D.和Jensen,S.T.(2015)。补充“时间序列数据的加权密度”。
[25] Paez,M.S.和Gamerman,D.(2013年)。层次动态模型。在SAGE多级建模手册335-357中。伦敦SAGE出版有限公司。
[26] Petkova,R.和Zhang,L.(2005)。价值是否比增长风险更大?《金融经济学杂志》78 187-202。
[27] Petris,G.、Petrone,S.和Campagnoli,P.(2009年)。带有R的动态线性模型。纽约州施普林格·Zbl 1176.62088号 ·数字对象标识代码:10.1007/b135794
[28] Raftery,A.E.和Zheng,Y.(2003)。讨论:贝叶斯模型平均的性能。J.Amer。统计师。协会98 931-938。
[29] Rabach,D.E.、Strauss,J.K.和Zhou,G.(2010年)。样本外股权溢价预测:组合预测和与实体经济的联系。财务版次。螺柱23 821-862。
[30] Shephard,N.(1994年)。局部尺度模型:集成GARCH过程的状态空间替代方法。《计量经济学杂志》60 181-202·Zbl 0800.62807号 ·doi:10.1016/0304-4076(94)90043-4
[31] Shiller,R.(2014)。在线数据。可在上获取。
[32] J.Q.史密斯(1979)。贝叶斯稳定预测模型的推广。J.R.统计社会服务。B.统计方法。41 375-387. ·Zbl 0432.62068号
[33] Smith,J.Q.(1981)。多参数稳态模型。J.R.统计社会服务。B.统计方法。43 256-260. ·兹比尔0471.62097
[34] Stock,J.H.和Watson,M.W.(2004)。七个国家数据集中产出增长的组合预测。J.预测。23 405-430.
[35] Tan,S.-B.,Machin,D.,Tai,B.-C.,Foo,K.-F.和Tan,E.-H.(2002)。吉西他滨治疗转移性鼻咽癌的两个II期临床试验的贝叶斯再评估。英国癌症杂志86 843-850。
[36] Welch,I.和Goyal,A.(2008)。全面考察股权溢价预测的实证表现。财务版次。螺柱21 1455-1508。
[37] West,M.和Harrison,J.(1998年)。贝叶斯预测和动态模型(第二版)。运筹学学会杂志49 179-179。
[38] Wilmott,P.、Howison,S.和Dewynne,J.(1995)。金融衍生品数学:学生导论。剑桥大学出版社,剑桥·Zbl 0842.90008号 ·doi:10.1017/CBO9780511812545
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。