这对我来说应该算是一个超纲的题目,我从没接触过时间序列预测的问题,我这里也弥补一下。
1、下列时间序列模型中,哪一个模型可以较好地拟合波动性的分析和预测。
A. AR模型
B. MA模型
C. ARMA模型
D. GARCH模型
答案为:D
GARCH模型称为广义ARCH模型,是ARCH模型的拓展,由Bollerslev(1986)发展起来的。它是ARCH模型的推广。GARCH(p,0)模型,相当于ARCH(p)模型。GARCH模型是一个专门针对金融数据所量体订做的回归模型,除去和普通回归模型相同的之处,GARCH对误差的方差进行了进一步的建模。特别适用于波动性的分析和预测,这样的分析对投资者的决策能起到非常重要的指导性作用,其意义很多时候超过了对数值本身的分析和预测。
设有一时间序列y1,y2,..., 则按数据点的顺序逐点推移求出N个数的平均数,即可得到一次移动平均数.
时间序列出现线性变动趋势时,用一次移动平均数来预测就会出现滞后偏差。修正的方法是在一次移动平均的基础上再做二次移动平均,利用移动平均滞后偏差的规律找出曲线的发展方向和发展趋势,然后才建立直线趋势的预测模型。故称为趋势移动平均法。
AR模型是一种线性预测,即已知N个数据,可由模型推出第N点前面或后面的数据(设推出P点).本质类似于插值,其目的都是为了增加有效数据,只是AR模型是由N点递推,而插值是由两点(或少数几点)去推导多点,所以AR模型要比插值方法效果更好。
其建模思想可概括为:逐渐增加模型的阶数,拟合较高阶模型,直到再增加模型的阶数而剩余残差方差不再显著减小为止。
[1].七月在线.
https://www.julyedu.com/question/selectAnalyze/kp_id/23/cate/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0
[2].时间序列模型中,哪一个模型可以较好地拟合波动性的分析和预测.
http://blog.csdn.net/s1491695565/article/details/52093003
[3].GARCH模型.http://blog.csdn.net/dingming001/article/details/73912625