Lasso类方法在时间序列中的若干应用

发布时间：2017-10-11 05:40

  本文关键词：Lasso类方法在时间序列中的若干应用

  更多相关文章： Lasso类方法 时间序列 变量选择 变点检测

【摘要】：本文研究了Lasso类方法在时间序列中的应用.近几年来,人们越来越多的关注如何利用数理统计模型从大量数据中挖掘出有效信息.在建立模型的初期,如果缺少一些重要的自变量,往往会使模型产生偏差,于是人们便会尽可能多去选择一些变量.但是,建模的过程又需要寻找对因变量具有解释力强的自变量集合,那么合适的自变量选择便显得尤为重要.Lasso方法便是一种能够实现指标集合精简,能够提高模型解释力和预测精度的一种估计方法.因此,用Lasso方法进行变量选择,能够减小建模中的偏差.变点是数字特征或样本分布发生了意想不到变化的时刻点.变点问题是统计学、经济学及其它学科中研究的热点问题之一.变点检测的研究也广泛应用到众多领域.Lasso方法也可以处理变点的估计问题.Lasso方法的变点估计相当于转换后的变量选择问题,然后运用变量选择的方法进行处理,可以得出良好的变点估计结果.本文的主要工作如下:1.第一部分研究了Lasso类方法在变量选择中的应用.本部分在时间序列场合下对Lasso方法与Adaptive Lasso方法进行比较.先通过数值模拟结果表明Adaptive Lasso方法比Lasso方法更加有效.然后,通过对沪深300指数的技术指标的历史数据进行变量选择,比较发现二者均可以有效并准确地选择出合适变量,且Adaptive Lasso方法的参数估计相对更加精确.最后,根据选出变量及其参数进行预测,并同真实数值进行比较,结果表明Adaptive Lasso方法在变量选择以及参数估计中有良好的效果.2.第二部分研究了Lasso类方法在变点检测中的应用.本部分首先比较了Lasso方法与Adaptive Lasso方法在数值模拟中的变点估计,估计结果比较准确.然后,利用沪深300指数的收盘价寻找变点,估计的结果良好.
【关键词】：Lasso类方法 时间序列 变量选择 变点检测
【学位授予单位】：鲁东大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：O211.61
【目录】：

• 致谢5-6
• 摘要6-7
• Abstract7-11
• 第1章 绪论11-15
• 1.1 研究的背景与发展现状11-14
• 1.1.1 Lasso类方法的研究背景与现状11-12
• 1.1.2 时间序列的研究背景与现状12-13
• 1.1.3 Lasso类方法变点检测的研究背景与现状13-14
• 1.2 本文的主要工作14-15
• 第2章 Lasso类方法在时间序列变量选择中的应用15-29
• 2.1 概述15
• 2.2 模型与方法15-16
• 2.2.1 Lasso方法15-16
• 2.2.2 Adaptive Lasso方法16
• 2.2.3 Lasso方法与Adaptive Lasso方法比较16
• 2.3 数值模拟16-21
• 2.3.1 生成数据16-17
• 2.3.2 参数估计17-21
• 2.4 实例分析21-27
• 2.4.1 数据的初步处理21-22
• 2.4.2 数据分析与比较22-27
• 2.5 结论27-29
• 第3章 基于Lasso类方法的变点检测29-41
• 3.1 概述29
• 3.2 模型与转化29-31
• 3.2.1 Lasso方法29-30
• 3.2.2 Adaptive Lasso方法30-31
• 3.3 数值模拟31-35
• 3.3.1 生成数据31-33
• 3.3.2 参数估计33
• 3.3.3 结果比较与分析33-35
• 3.4 实例分析35-40
• 3.4.1 数据的初步处理35-37
• 3.4.2 数据分析与比较37-40
• 3.5 结语40-41
• 第4章 主要的结论与展望41-43
• 4.1 结论41
• 4.2 展望41-43
• 参考文献43-47
• 作者简历47

【参考文献】

中国期刊全文数据库 前8条

1 李强;王黎明;;基于LAD-LASSO方法的逐段常数序列中的变点估计[J];统计与信息论坛;2015年05期

2 孙良君;范剑锋;杨琬琪;史颖欢;高阳;周新民;;基于Group Lasso的多源电信数据离网用户分析[J];南京师范大学学报(工程技术版);2014年04期

3 鲁庆;穆志纯;;基于Lasso方法的碳钢土壤腐蚀率预报研究[J];科学技术与工程;2014年35期

4 王宣承;;基于LASSO和神经网络的量化交易智能系统构建——以沪深300股指期货为例[J];投资研究;2014年09期

5 李锋;卢一强;李高荣;;部分线性模型的Adaptive LASSO变量选择[J];应用概率统计;2012年06期

6 刘睿智;杜n，

本文编号：1010838