时间序列平稳性分类识别研究

发布时间：2018-01-13 23:21

本文关键词：时间序列平稳性分类识别研究　出处：《统计与信息论坛》2016年04期 　论文类型：期刊论文

【摘要】：平稳性检验是时间序列回归分析的一个关键问题,已有的检验方法在处理海量时间序列数据时显得乏力,检验准确率有待提高。采用分类技术建立平稳性检验的新方法,可以有效地处理海量时间序列数据。首先计算时间序列自相关函数,构建一个充分非必要的判定准则;然后建立序列收敛的量化分析方法,研究收敛参数的最优取值,并提取平稳性特征向量;最后采用k-means聚类建立平稳性分类识别方法。采用一组模拟数据和股票数据进行分析,将ADF检验、PP检验、KPSS检验进行对比,实证结果表明新方法的准确率较高。
[Abstract]:Stationary test is a key problem in time series regression analysis. The existing testing methods are weak in dealing with massive time series data. The accuracy of the test needs to be improved. A new method of stationary test based on classification technology can be used to deal with massive time series data effectively. First, the autocorrelation function of time series is calculated. Constructing a sufficient and non-necessary criterion; Then the quantization analysis method of sequence convergence is established to study the optimal value of convergence parameters and extract stationary eigenvector. Finally, using k-means clustering to establish a stationary classification identification method. Using a set of simulation data and stock data to analyze, the ADF test PP test and KPSS test to compare. The empirical results show that the accuracy of the new method is high.
【作者单位】：南华大学经济管理学院;厦门大学王亚南经济研究院;
【基金】：教育部青年基金项目《海量金融时间序列数据平稳性检验方法研究》(13YJCZH044)
【分类号】：F830.91;F224
【正文快照】： 一、引言时间序列是一类典型的随机数据,基于随机变量的历史和现状推测其未来需要假设随机变量的历史和现状具有代表性或可延续性,样本时间序列展现了随机变量的历史和现状;随机变量基本形态维持不变也就是要求样本数据的本质特征仍能延续到未来,称这些统计量(均值、方差、协

【相似文献】