一、时间序列向量自回归模型的贝叶斯推断理论（论文文献综述）
牟淼[1]（2021）在《基于改进NPE算法的动态间歇过程监控研究》文中认为间歇过程作为现代制造业重要的生产方式之一,广泛应用于事关国计民生的冶金、钢铁、制药、化工等传统工业领域以及半导体制造等新兴领域,然而,一旦生产过程发生故障,将对国家和社会造成巨大损失,因此,如何准确高效的监控间歇过程生产状态,保证生产过程的安全可靠运行已成为人们关注的焦点。近年来,随着计算机技术和传感器技术的发展,间歇过程在生产中积累了丰富的反映过程运行状态和产品质量的数据,这也促使基于数据驱动的多元统计监控方法得到迅速地发展。基于多元统计的监控方法在应用到间歇过程监控时,往往都会假设过程处于理想化状态,即过程数据服从高斯分布、过程变量满足线性关系、工况单一、不受噪声等离群点的影响,然而,实际的工业过程并不满足这些假设,且由于间歇过程的批次生产等复杂特性,使得如何建立间歇过程监控模型,实现间歇过程故障及时准确地检测变得极具挑战性。本文基于邻域保持嵌入算法,针对由于间歇过程存在的非线性、动态性、噪声等离群点干扰而造成的过程监控效果不佳的问题,提出相应的改进算法,以实现更加良好的监控效果。主要研究内容如下:（1）针对间歇过程变量间存在的独立相关关系,提出一种基于变量分块的核动态潜变量-动态加权支持向量数据描述（Kernel dynamic latent variable-dynamic weighted support vector data description,KDLV-DWSVDD）的间歇过程监控方法。首先,互信息的引入可以有效评估过程变量间的相关独立关系,将过程变量划分为相关变量子块和独立变量子块;其次,在相关变量子块中,KDLV算法可以有效处理过程的非线性影响,提取动态信息;在独立变量子块中,DWSVDD算法可以有效提取独立变量的动态信息,同时通过加权凸显故障信息。最后,分别在相关变量子块和独立变量子块中建立统计模型,进行过程监控,通过青霉素发酵过程和半导体蚀刻过程进行仿真验证,验证了所提算法的可行性和有效性。（2）针对间歇过程变量间存在的动态静态关系,提出一种基于全局慢特征分析-全局邻域保持嵌入（Global slow feature analysis-global neighborhood preserving embedding,GSFA-GNPE）的动态-静态联合指标间歇过程监控方法。首先对过程变量的动态性和静态性进行评估,将过程变量划分为动态变量和静态变量两部分;其次,在动态变量中,GSFA可以有效提取过程的全局局部动态信息,在静态变量中,GNPE可以有效提取过程的全局局部静态信息;最后,分别在动态变量和静态变量两部分建立统计模型,求得统计量,将两个部分求得的统计量利用贝叶斯推断进行组合,从而得出混合模型的联合指标实现过程监控。数值例子和青霉素发酵仿真过程验证了所提算法的可行性和有效性。（3）针对间歇过程监控时三维数据展开造成的信息丢失和噪声等离群点对过程监控的影响,提取一种基于张量分解的马尔科夫链局部稀疏保持图嵌入（Markov chain neighborhood sparse preserving graph embedding based on tensor factorization,TMNSPGE）的间歇过程监控方法。首先,对三维数据进行张量分解,避免因数据展开而造成的信息丢失;其次,在构造近邻图时,考虑过程数据的局部几何结构和稀疏关系,同时引入马尔科夫链理论,可使得降维后的数据有一定的概率解释;最后,对整个过程建立统计模型进行过程监控。数值例子和青霉素发酵仿真过程验证了所提算法的可行性和有效性。
陈晋[2]（2021）在《一类随机变量驱动的自回归模型的统计推断》文中研究指明近年来,多元时间序列引起了众多统计学者的关注.实际生活中我们也通常会遇到这样的时间序列,例如在经济中需要研究不同地区月度失业率的变化关系;在气象预报分析时需要同时考虑该地区的雨量、气温和气压等记录资料.与一元时间序列不同,多元时间序列的相依性不仅包括每个边际序列的序列相依性,也包括不同分量之间的交叉相依性,应用向量含有的信息可以提高分量的预测准确度.另一方面,许多金融时间序列具有条件异方差性,已有许多多元波动率模型对该类向量时间序列建模,多元随机系数自回归模型属于其中之一.目前,关于该模型的研究结果较少,由此本文第二章采用非参方法对该模型的参数进行统计推断.实际生活中也有很多时间序列的变化规律经常受到其他序列的影响,比如居民的人均消费会受收入的影响,国民GDP的增长率会受失业率的影响.采用带有协变量的自回归模型分析这类数据时存在局限性,无论从经济学解释还是从模型预测的角度来看,带有协变量的自回归模型往往无法准确刻画实际数据的变化特征.在第三章中,我们将随机变量引入带有协变量的自回归模型,提出了带有协变量的随机系数自回归模型,介绍了该模型并讨论了模型的参数估计等问题.进一步,在实际收集数据时,各种原因使协变量数据往往带有测量误差,因此在第四章我们提出了协变量具有测量误差的随机系数自回归模型.基于以上讨论,本文的具体内容如下:首先,对于多元一阶随机系数自回归模型,我们用以一类修正的条件最小二乘估计方程为基础的经验似然方法,研究了模型的参数估计和假设检验问题,给出了经验似然比统计量的渐近分布以及极大经验似然估计量的渐近性质,并用经验似然方法检验了自回归系数是否恒是常数.通过数值模拟验证了估计的效果和检验的功效.模拟结果表明两种估计方法相差不多.但在检验中,经验似然方法展现了优势.其次,为了更好地刻画经济数据随时间的变化规律,我们提出带有协变量的随机系数自回归模型,基于MCMC算法给出了模型参数的贝叶斯估计,同时,将自回归系数是否恒为常数和模型是否有协变量的检验问题看作两个模型的比较,使用贝叶斯因子作为准则比较两个模型,计算贝叶斯因子时,采用Laplace方法逼近边际似然.通过数值模拟研究了 MCMC算法的精确性和该算法对于先验信息的稳健性,评价了贝叶斯因子正确识别模型的性能以及对于先验信息的稳健性.最后,我们提出一类协变量带有测量误差的随机系数自回归模型,研究了模型参数的条件最小二乘和加权条件最小二乘估计,证明了两种估计量的相合性和渐近正态性.进一步,采用以加权条件最小二乘估计方程为基础的经验似然方法,研究了该模型的自回归系数是否恒为常数的检验问题.通过数值模拟对比了两种估计的效果.模拟结果表明加权条件最小二乘估计优于条件最小二乘估计.通过数值模拟结果还可以看出,采用经验似然方法检验自回归系数是否恒为常数是合理的.
魏天磊[3]（2020）在《开放经济下中国货币政策有效性及溢出效应研究》文中提出开放经济条件下各个经济体的货币政策不再具有完全的独立性。货币政策对内部经济的效果发生变化,同时不可避免的对外部经济产生溢出效应。在不断参与经济全球化的进程中,中国的经济地位越来越重要,开放程度也发生变化,中国货币政策对内部经济和外部经济的效果也随之改变。中国货币政策对内效果的变化体现在对外开放影响对外贸易、双向投资、国际资本流动等,从而使得部分货币政策传导渠道发生作用的机制产生改变。中国货币政策对外效果的变化体现在随着中国对外贸易、投资等经济活动的增多,中国货币政策开始通过部分渠道对经贸往来、投资往来密切的经济体产生一定的溢出效应,并越来越明显。在深度融入全球化经济体系的进程中,必须关注中国货币政策对内及对外效果的变化。本文梳理开放经济下货币政策有效性以及货币政策溢出效应的研究现状,总结分析开放经济下货币政策有效性及溢出效应的理论基础,研究中国货币政策的有效性及溢出效应。主要内容包括:（1）设计一种符合中国实际情况的对外开放度指标,利用主成分分析法对中国对外开放度进行测度并进行分析。建立开放经济下中国货币政策有效性的模型,使用结构向量自回归模型（SVAR）实证检验开放经济下中国货币政策的有效性,以及对外开放度变化对中国产出、价格、利率、汇率等经济变量的影响。（2）建立贸易开放度和金融开放度对货币政策有效性影响的模型,使用修正的产出效应和价格效应模型实证检验开放经济下中国货币政策的有效性,以及贸易开放度、金融开放度的变化对货币政策有效性的影响。（3）分别建立中美之间、中国和欧元区之间货币政策溢出效应的模型,使用时变参数向量自回归模型（TVP-VAR）实证检验中美之间、中国和欧元区之间货币政策的溢出效应及随时间变化的特征。建立中国货币政策对“金砖国家”溢出效应的模型,使用面板向量自回归模型（PVAR）实证检验中国货币政策对以“金砖国家”为代表的新兴经济体的溢出效应,并对中国货币政策溢出效应的特征进行分析。相比于既有研究,本文设计独特的方法度量对外开放度并验证开放的整体效果。分别从贸易开放和金融开放的角度检验货币政策对内效果的变化,其中研究金融开放通过资本流动即“热钱”的视角进行。区分中国货币政策对外部不同类型经济体（美国、欧元区、金砖国家）溢出效果的异质性并进行对比分析。本文主要结论如下:（1）开放经济下我国的货币政策具有明显的产出效应和价格效应。扩张性货币政策整体上表现为使得产出和通货膨胀上升的效果,同时还将导致利率下降和汇率上升（本币贬值）。（2）对外开放度的提高使得利率下降,汇率下降（本币升值）,从我国货币政策的最终目标来看,对于增加产出和控制通货膨胀具有积极作用。（3）我国贸易开放度的提高在滞后期削弱了货币政策的产出效应,在当期增强了货币政策的价格效应。我国金融开放度的提高在滞后期削弱了货币政策的产出效应,对货币政策价格效应的影响并不显着。（4）中国货币政策对美国、欧元区为代表的发达经济体具有明显的溢出效应。中国货币政策对美国和欧元区的产出和价格主要产生“火车头”效应,主要体现在长期,并表现出时变特征。（5）中国货币政策对以“金砖国家”为代表的新兴经济体通过贸易、汇率渠道产生溢出,短期对产出产生“以邻为壑”效应。但是中国扩张性货币政策在长期使得其他金砖国家同中国的贸易显着增长,而贸易的增长对产出又产生显着提高的作用。基于上述结论的启示如下:（1）在我国货币政策框架转型的过程中,数量型货币政策工具仍然可以在逆周期调节中发挥重要作用。我国扩张性货币政策对于提高产出具有明显的效果,但会使得通货膨胀率出现明显的波动。因此货币政策的实施过程中应该重点关注物价的变化。（2）国际经济新形式下的中国对外开放度应该不断提高并应关注汇率的波动,而对外开放政策与货币政策应该相互配合。同时我国货币政策产出效应和价格效应受到开放度变化的影响,因此不断开放的同时应注意货币政策有效性的变化。（3）我国金融开放度的变化对货币政策产出效应和价格效应的影响不如贸易开放度变化的影响显着,这与我国对外开放的现状有关。我国在全球贸易中占有重要地位,但是资本账户存在管制,金融开放还在进行中。而金融开放是对外开放的重要组成部分,在推动我国与全球贸易发展的同时,应适时推动金融开放,提高我国金融与外部金融市场的融合程度。（4）在重视以美国、欧元区为代表的发达经济体货币政策对我国产生溢出效应的同时,也需要关注中国货币政策对外的溢出效应,包括我国货币政策对发达经济体及新兴经济体的溢出。同时考虑货币政策对内和对外的效果,在开放的经济环境下协调发展。
邱萍萍[4]（2020）在《供应链情境下基于销售记录的商品需求预测》文中认为需求作为牵动企业供应系统的源动力,对上下游节点的商品需求进行预测是供应链上各方成员制定订货策略、库存管理及配送规划等经营决策的基础。并且,当前随着互联网经济的快速发展及工业与互联网的进一步融合,衍生了一系列新的业态,如:C2M（Customer to Manufacturer）、F2C（Factory to Customer）及新零售等,顾客的购买行为更具策略性,由此使得需求的不确定性日趋增大,极大增加了预测客户需求的难度。同时也对企业供应链的敏捷性提出了更高的要求。因此,如何对客户的商品购买实现更为准确的预测,对于供应链运作及管理策略的合理制定具有重要的现实意义。本文在学者们研究的基础上,将非参数理论、顾客需求的波动随机性及时序上的联系有效的结合在一起,对供应链情境下的需求预测模型的构建进行更深入的研究。具体的,本文以供应链上某一特定企业的商品需求预测为建模背景。从数据驱动的角度出发,将商品的销售记录纳入考虑,运用贝叶斯网络等理论知识作为需求预测模型建立的基础。并进一步,考虑在无边信息及有边信息的前提下,如何进行需求预测模型的构建,以期为现实的企业供应链运作提供更为完整的决策参考,同时拓展现有的需求预测理论。首先,在无边信息条件下,即在仅考虑商品的历史需求数据已知的情形下,提出了一个基于多层贝叶斯网络的非参数商品需求预测模型Hiyes。其次,在有边信息条件下,将影响顾客需求的关键因素纳入考虑,提出了一个考虑边信息的多层贝叶斯需求预测模型DFSI。上述两个模型均以贝叶斯推断为理论基础,以最大化后验概率为优化角度,进行模型的优化目标的推导。在模型的求解上,则均基于梯度下降算法进行相应的求解算法的设计。最后,本文通过设计对比实验以验证所提出的两个需求预测模型的有效性及科学性。其中,无边信息条件下的Hiyes模型以Croston、ARIMA、H-NBSS等现有的需求预测模型为参照基准。并且,在6个真实的客户需求数据集上的实验结果显示,与基准算法相比,Hiyes能获得更准确的预测结果。而有边信息条件下的DFSI模型则以Croston、ARIMA、SSpace、H-NBSS及高斯过程为基准算法。并使用京东商城及A制造企业的真实销售数据对所提出的DFSI模型进行检验,结果显示,与常用的需求预测模型相比,DFSI模型能获得更好的预测结果。
李敏[5]（2019）在《潘家口水库流域环境变化下径流非一致性分析计算问题研究》文中研究指明在变化环境下,受到气候变化与人类活动的影响,水循环过程中的降水、径流等水文系列特征发生了一定程度的变化,导致基于一致性假设的传统水文分析方法受到质疑。因此,在不断变化的环境中开展径流非一致性分析计算问题研究,具有重要的科学意义和实际的应用价值。本文以受气候变化和人类活动影响较为显着的潘家口水库流域为例,探讨区域变化环境下径流非一致性分析计算的典型问题,主要研究内容及主要成果如下:（1）环境变化下时间序列模型参数的贝叶斯分析。利用时间序列模型对1961～2010年的潘家口入库径流序列进行了模拟,考虑到环境变化对径流序列的影响,分别采用了极大似然法、贝叶斯方法以及考虑径流序列突变点的贝叶斯方法,进行了模型参数的估算,并比较了三种模型的模拟以及预测效果。结果表明,1961～2010年的潘家口入库径流序列为非平稳序列,且1979年为最可能变异点。三种模型中,考虑径流序列突变点且基于贝叶斯方法进行参数估计的时间序列模型,具有最高的样本拟合精度和预测精度。进一步证实了变化环境下,潘家口入库径流序列发生了突变。（2）气候变化对径流频率非一致性影响及不确定性分析。主要分析了未来气候变化对潘家口水库流域入库径流的非一致性影响,并量化了非一致性径流频率分析中的各种不确定性来源。基于Generalized Additive Models for Location,Scale and Shape（GAMLSS）模型分别以时间和降水为潘家口水库流域入库径流的协变量,建立并优选出最优的非一致性模型,把通过统计降尺度方法SDSM模拟得到的未来降水序列代入最优模型的参数中,得到未来径流频率曲线。为了分析不同的全球气候模式GCMs（MIROC-ESM-CHEM、Can ESM2、BCC-CSM1.1）、不同的排放情景RCPs（RCP2.6、RCP4.5、RCP8.5）以及GAMLSS模型参数的不确定对模拟得到的径流的影响,采用方差分析方法量化了这三种不确定性因素及其相互作用对径流的影响。结果表明,非一致的GAMLSS模型对径流序列的拟合效果优于一致的GAMLSS模型,且以降水为协变量的非一致GAMLSS模型又要优于以时间为协变量的GAMLSS模型。GCMs和GAMLSS模型参数对径流不确定性的影响最大,分别占总不确定性源的14%和83%,而RCPs以及不确定性因素之间的相互作用的影响,分别占2%和1%。进一步分析表明,降水序列的波动是导致非一致GAMLSS模型统计参数的成为主要不确定性来源的主要因素,再次证明了将降水序列作为径流频率分析中的协变量的合理性。（3）气候变化对不同季节的径流相关结构的影响。主要研究了未来（2031～2080）气候变化对潘家口水库流域春、夏、秋径流序列及其相关关系的影响。对研究区不同季节的降水与径流的相关性以及不同季节之间的径流的相关性进行了检验,基于不同季节的降水与径流的相关性建立并优选拟合了不同季节径流序列的一致边缘分布,以及修正后的三种排放情景RCPs下的降水序列为协变量的非一致边缘分布。基于不同季节径流间的相关性,以优选出的不同季节径流的边缘分布,建立了具有常数（一致性结构）和时变相关参数（非一致性结构）的Copula模型,比较了在不同的情况下具有一致性结构和非一致性结构的Copula模型的区别。结果表明,用于拟合春、夏和秋季径流序列的非一致性边缘分布优于一致性的边缘分布,证明了春、夏和秋季径流序列具有非一致性。在相同的条件下,具有非一致性结构的Copula模型优于一致性结构的Copula模型,说明了春-夏季与夏-秋径流序列的相关关系为非一致性,且相关关系主要受到夏季降水的影响。在不同的排放场景、不同的时期以及不同的边际概率下,基于一致性结构和非一致性结构的Copula模型对应的联合概率也均不同,说明了春-夏季与夏-秋径流序列的相关关系均受到以上条件的影响。（4）气候变化与人类活动对水文干旱的影响。考虑了大尺度气候模式和人类活动对水文干旱的影响,以提高变化环境下水文干旱预测模型的准确度。通过遥相关检验并筛选流域内各水文站点与径流相关的气候因子,并计算了对径流产生影响的人类活动因子。基于多变量正态分布,把气候预报因子与人类活动因子代入水文干旱预测模型,计算了不同干旱等级间的转换概率。利用蒙特卡洛模拟方法验证了气候因子与人类活动因子对转换概率的影响,评估并比较了考虑气候预报因子与人类活动因子和不考虑两种因子的模型的预测精度。结果表明,考虑气候因子与人类活动因子的水文干旱预测模型能够明显地提高预测精度。
宋丹丹[6]（2019）在《新建商品住宅价格变化中的媒体作用 ——基于文本分析的实证研究》文中研究表明住房价格的大幅波动不利于房地产市场的平稳运行和经济的稳定发展,因此探究住房价格变化的原因,平抑价格波动,努力构建房地产市场健康发展的长效机制意义重大。既往研究多数从供给、需求、信贷等基本面因素来探求房价波动的原因,但这些因素通常不能完全解释价格变化,市场预期等社会心理因素被视作是导致价格变化的重要原因之一。房地产市场是典型的信息不对称、不完全市场,市场参与者尤其是处于信息相对弱势地位的需求者,需在搜集和处理大量信息的基础上进行决策。依托渠道的便捷性和信息的高权威度等优势,大众传播成为公众获取房地产市场信息的主要渠道。因此媒体传播的新闻往往会通过影响市场供求者的心理,作用于其决策行为,进而对整个房地产市场产生影响,从这个逻辑上讲,媒体的相关报道与房地产市场是存在关联的。由于数据的可得性和传播的广泛性,本文将纸质媒体和网络媒体的文字报道作为分析的样本。国情使然,我国建立了从中央、省到城市的报媒体系,同时也分化出政策导向型和市场导向型两类泾渭分明的媒体。而随着传播技术的发展,网络媒体越来越成为公众获取信息的主要渠道,信息的传播速度越来越快,传播范围也越来越广。基于媒体对受众的影响和媒体自身的变化和差异性,全国性报媒和城市报媒在住宅价格变化中起着何种作用?不同导向的报媒在住宅价格变化中的作用有何不同?随着信息技术的发展,传播速率的加快,报媒和网媒在住宅价格变化中的作用有无变化?对这些问题的回答,有助于我们理解新建商品住宅价格变化中的媒体作用,对构建房地产市场健康发展的长效机制具有重要意义。有鉴于此,本文从预期理论、信息不对称理论、议程设置理论和沉默的螺旋理论分析了媒体在住宅价格变化中作用的原理。本文的理论分析证明,首先,媒体作为信息中介,通过搜集整理市场信息、解读专业信息等方式为供求双方提供资讯,缓解他们之间的信息不对称程度,也降低了需求者内部和供给者内部的信息不对称;其次,大众媒体能够通过影响供求者心理预期作用于资产价格,但预期在传递过程中具有很大的不确定性,由于传递方式的变化、市场主体对信息的解读处理差异等原因,预期在特定情形下会发生放大、收缩或转向,且预期具有粘性特征;再次,媒体对房地产新闻议题的关注和报道框架会对公众议程起到“议程设置”的作用,媒体对房地产议题越关注,越能引起公众的关注,且报道的框架能够影响公众对议题的分析感知;最后,媒体渲染的市场情绪会产生“沉默的螺旋”,优势意见会被进一步扩大,劣势意见会进一步缩小,这样会导致住房价格越来越偏离基本面。随后本文分析了媒体报道作用于新建商品住宅价格的三条路径。第一条路径是媒体关注度和情绪——羊群效应路径,媒体报道的关注度和情绪影响新建商品住宅需求者（消费者和潜在消费者）的关注度和情绪,市场需求者追随媒体报道,基于“羊群效应”的影响,需求者之间也会相互模仿传染,导致需求者总会倾向于某一极的观点,不合理地增加或减少当期购房者的需求,造成市场价格的变化;第二条路径是房价预期——媒体传染路径,媒体是房价预期观点的公共来源,会将观点“传染”给需求者。房价预期受到当期新闻报道和往期新闻报道的影响,这种预期会作用于市场均衡价格;第三条路径是新闻传播速率——资产价格响应速度的变化路径,主要是指新闻传播速率的快慢会影响资产价格对媒体信息的响应速度。基于信息传播速率的影响,如果信息传播速率缓慢,需求者买入住房资产所产生的价格冲击较小,会产生反应不足,而如果信息传播速率加快,部分需求者会利用反应不足进行套利,引发资产价格上涨,反应过度。根据以上分析,本文得出新建商品住宅价格变化会受到媒体关注度、媒体情绪、媒体导向类型和媒介传播速率影响的四个假设。分析住宅价格变化中媒体变量的作用,对媒体变量的量化处理是关键。本文分析了房地产新闻报道的发展历程、报道类型,并举例分析了不同类型的媒体的报道框架,发现政策导向型媒体和市场导向型媒体、全国性媒体和城市报媒、报媒和网媒不同类型的媒体其报道框架存在着差异,媒体情绪存在区别。接着本文采用基于自然语言处理和机器学习的方法分析了近20万条房地产新闻报道的情绪性质,构建了媒体关注度和媒体情绪两类媒体变量指标。针对上述四个假设,本文分别采用了工具变量两步回归（IV-2SLS）固定效应模型和时变参数向量自回归模型（TVP-VAR）针对35个大中城市面板数据和全国性时间序列数据进行了三个实证研究,得出如下结论:一是在大多数时候,媒体对房地产市场的关注度对房价起着反向的作用。将35个大中城市作为整体来看,报媒对房地产市场的关注度对房价变化的作用并不显着,分组来看,行政级别高、GDP高的城市,其机关报对房地产市场的关注度会对房价起着反向的作用,可能的原因是在这些城市房地产市场和媒体发展较为成熟,而机关报在反映政府意图方面优于都市报,面对增加的新闻报道,这些城市住房需求者可能会在短期选择观望,而开发商为了销售,往往会降低售价,导致房价降低销量增长。在针对四份全国性报媒的考察中也发现了类似现象,且在2014年这种反向作用达到最低。在对网络媒体百度新闻房地产市场关注度的考察发现,这种反向作用在2014年年底后逐渐缩小,并在2016年逐渐转为正向作用,可能的原因是四年的严格调控放开后,市场对网络新闻关注度的观望效应逐渐减小,并逐渐对新闻热度产生积极的正反馈。二是媒体对房地产市场的净看多情绪对房价的作用方向和大小存在很大差异,其中地方性报媒和政策导向型报媒《人民日报》会对房价起着反向的作用,政策导向型报媒《新华每日电讯》对房价的传导作用从反向转为正向,而市场导向型报媒和网络对房价的传导作用均为正向。针对35个大中城市报媒的面板数据分析显示,在控制了房地产开发投资完成额、地价和信贷等因素后,机关报和都市报的净看多情绪都对房价有着反方向的作用力,且机关报对房价的作用要大于都市报对房价的作用。同时这种作用的大小也受到城市行政级别、经济发展程度的影响。可能的解释是35个大中城市层面,住房需求者对机关报和都市报媒体发出的看多信号,有着更多的期待,认为会有更为利好的政策、更适宜的价格在后面,而在博弈过程中,开发商看到房地产市场参与者持币静观,反而会降低价格,导致房价下跌,同时出货量加大,销售面积随之增加。但全国性报媒传递的看多情绪对全国的新建商品住宅价格并不全然为负值,政策导向型报媒传递的净看多情绪对房价的传导作用为反向或从反向转为正向,但市场导向型报媒传递的净看多情绪对房价的作用为正向,且受到调控阶段的影响。网络媒体净看多情绪对房价的传导作用在2010年到2017年间为正值,且在2014年紧缩型调控放开后,这种正向作用有所扩大。三是总体来说,政策导向型媒体对房价的传导作用要大于市场导向型媒体对房价的传导作用,这在城市报媒和网络媒体的实证研究中都有体现。可能的原因是在中国的环境下,政策导向型媒体具备更优质的内容生产资源,在传递政府政策信号方面更具权威性。四是报媒和网媒对房地产市场的关注度和净看多情绪对房价的传导作用存在着“此消彼长”的现象,即传统报媒对房价的作用越来越小,网络媒体对房价的作用越来越大。意味着传播速率更高的媒体对房价的传导作用在逐渐扩大。根据理论和实证的分析结果,本文提出相应的政策建议:各级政府应充分重视媒体的预期引导作用,运用好媒体这一预期管理工具。各类报媒应结合当地时机把握好其所发布的媒体报道的情绪倾向和发布时机使其尽可能接近调控目标,报媒在生产内容时,应尽量提高所发布信息的显性化程度,以免所发布信息被曲解。非副省级省会城市,城市报媒对房地产市场的作用并不显着,政府需找到相应的媒介渠道来进行相应的预期管理。报媒与网络媒体传递的情绪对房价的指示作用随着时间的变化呈现“此消彼长”的现象,但网媒传递的信息往往鱼龙混杂,政府既需发扬传统媒体的权威性和专业度的特长,又需借力网媒,避免网媒的不利影响来进行预期管理。各级政府还应建立和强化重要报媒、网媒发布重要房地产市场信息及其调控信息前征询国土或房管部门意见的措施。可建立房地产市场的媒体指标供市场参与者作为决策的参考。
余锴[7]（2018）在《基于贝叶斯推断的HMM股价预测研究》文中研究表明股票价格的预测一直以来是研究的热点和难点。与国外相比,中国股市的变化更为复杂和剧烈。本文提出了一种新的组合模型BHMM（基于贝叶斯推断的HMM）进行预测,与传统的HMM相比,BHMM可以提供更为稳健的价格预测并使得HMM的模式预测更加有效。BHMM从三方面进行了改进。首先,BHMM通过贝叶斯推断对序列进行变长的划分。传统的HMM使用固定长度的训练窗口滑动建模,可能存在较多噪声数据;BHMM进行推断分割处理后,HMM仅对分割概率大于阈值的数据建模,减少了噪声。其次,BHMM采用了混合趋势预测法。BHMM在训练数据上使用多个定长窗口进行滑动,获取最佳拟合模型对应的下一个值的均值作为趋势预测值。通过多个窗口的趋势预测值和混合投票预测,获得了更好的覆盖率和准确率。最后,使用贝叶斯点估计和损失函数改进了HMM的股票价格预测。过去一般使用最匹配模式下一个值的变化作为预测值,误差率较大。BHMM以当前序列的均值和方差作为正态先验分布的均值和方差,HMM的概率密度函数作为似然函数,计算预测值的后验分布,并使用损失函数修正预测结果。与ARMA,LSTM以及传统的HMM的结果相比,BHMM更加稳定且具有更小的预测误差和更高的预测准确率。通过对上证指数等十支指数进行实验,获得了平均53.5%的准确率和16.4%的收益率,证明了BHMM的稳定性和有效性。
杨远[8]（2017）在《非线性状态空间模型贝叶斯估计中的高效粒子MCMC算法》文中指出本文致力于发展出具有更高统计效率和更低计算成本的适用于非线性/非高斯状态空间模型贝叶斯估计的粒子MCMC算法。文章使用多重尝试、延迟接收、边缘化、后向抽样等计算技术和策略对基准粒子MCMC算法进行拓展。一方面,这些技术和策略的使用能够拓宽粒子MCMC的应用范围。另一方面还能够提高基准粒子MCMC算法的统计和计算效率。具体而言,本文的研究内容和贡献主要有以下三点:第一,本文提出了多重尝试粒子Metropolis-Hastings（MH）算法。该算法使用多重尝试策略加速普通粒子MH算法的收敛性,同时通过使用非线性Kalman滤波对似然函数进行快速近似将算法的计算成本大幅降低。本文之后考虑了算法在独立抽样分布之下的特殊情形,并将算法与延迟接收策略结合以进一步提高计算效率,还提出了使用该算法计算模型边缘似然的方法。在数值试验中,对各个算法的收敛速率和计算成本进行了评估和比较。在实际应用部分,本文使用所提出的算法对非线性动态宏观经济模型进行估计和模型比较,对中国的货币政策进行了简要的分析。第二,本文提出了近似贝叶斯计算（ABC）粒子MCMC方法。该算法能够解决观测变量的条件分布非解析可得模型中的后验抽样问题。ABC粒子滤波通过抽取伪观测值对不可得的条件分布进行近似来完成滤波过程。ABC粒子MH算法使用ABC粒子滤波进行似然函数近似,而ABC粒子Gibbs抽样则使用ABC粒子滤波对平滑分布进行近似同时完成状态更新。本文进一步使用边缘化策略以提升ABC粒子滤波对似然函数的近似精度,并使用后验抽样解决粒子Gibbs算法中的退化问题。在数值实验中,所提出的两个改进算法都显示出了较高的效率:边缘化策略能够在相同的计算成本下实现更精确的似然函数近似,而后向抽样策略则能够在计算成本仅略微增加的情况下极大地提升状态更新的混合速率。第三,本文提出高效的后验抽样算法对Wishart动态期限结构模型进行贝叶斯参数估计和模型评估。所提出的后验抽样算法基于粒子Gibbs的框架交替地对状态变量和参数进行更新。在状态更新部分,使用带后向抽样的条件粒子滤波来进行。在参数更新部分,使用多重尝试独立MH算法依次对各组参数进行更新。多重尝试策略则有效地提高了参数更新中的接收概率和混合速率。数值实验验证了所提出算法的良好表现。最后,基于美国数据对Wishart期限结构模型进行贝叶斯估计和模型评估。考察了随机波动因子对债券收益率的影响,以及模型在横截面和时间序列方向的预测能力。
曾惠芳[9]（2011）在《基于MCMC算法的贝叶斯分位回归计量模型及应用研究》文中指出分位回归方法通过解最优化问题来实现对变量样本分位数的估计,它可以刻画协变量对响应变量条件分布位置,尺度和形状的影响。与经典的最小二乘回归方法相比,分位回归方法不仅可以刻画响应变量的中心趋势,还可以刻画变量的尾部行为。因此,利用分位回归方法进行计量经济建模研究是近年来研究的热点。本文在贝叶斯理论框架下,主要对随机系数分位AR模型,马尔可夫转换随机系数分位AR模型,非参数傅立叶级数分位回归模型的构建,参数估计及其在中国经济增长问题中的应用进行了深入研究,并取得若干有意义的成果。针对许多经济变量分布的有偏性,厚尾性和多峰性等特点,提出了一类随机系数分位AR模型,并研究了模型的结构特征和异方差性；基于非对称Laplace分布构建了模型的似然函数,并给出了随机系数分位AR模型的贝叶斯推断及其M-H抽样算法。仿真分析结果表明,随机系数分位AR模型可以有效地刻画滞后变量对当前变量非对称性和局部持续性影响。随机系数分位AR模型假设协变量与响应变量之间的关系是线性的,但许多经济变量之间的关系是非线性的,这就要求用非线性模型来刻画支配数据的规律。考虑变点之间的相依性,利用马尔可夫链来刻画条件分位函数的变结构性,提出了一种马尔可夫转换随机系数分位AR模型；结合数据扩充技术,利用Gibbs抽样算法实现了模型的贝叶斯推断。仿真分析结果表明,马尔可夫转换随机系数分位AR模型可以有效的刻画不同概率水平下条件分位函数的变结构性。为了适应更复杂的经济管理问题,一个自然的选择就是非参数方法,即对模型形式不做任何假设,让数据自身搜索更适合自己的非线性形式。针对核估计方法和样条估计方法分别存在窗宽选择以及结点个数、结点位置选择的问题,提出了一种非参数分位回归模型的傅立叶正交估计方法；通过把非对称Laplace分布表示成指数分布和正态分布的线性组合,获得了条件分位函数后验估计量的解析表达形式；并研究了后验估计量的渐近性质,发现正交估计方法比核估计方法有更快的收敛速度。仿真分析结果表明,傅立叶级数可以有效地拟合条件分位曲线,并且其拟合效果比样条方法更优。在上述贝叶斯分位回归计量经济建模理论研究的基础上,结合经济增长理论分析了中国经济增长的波动特征和收敛性。研究结果表明,1971-2009年中国GDP增长率的分布具有有偏性和高峰厚尾性,且具有异方差性；从经济增长收敛性的角度来看,改革开放以来到大规模股份制改革前经济增长具有同质性而大规模股份制改革后经济增长具有异质性；从政策变量对经济增长影响的角度来看,物质资本存量,人力资本与经济增长之间表现出非线性的正相关关系,而经济增长与人口增长率之间呈非线性的负相关关系。对于人口增长率低的地区,经济增长与人口增长率成正比,而对于人口增长率高的地区,经济增长与人口增长率成反比。
王欣冉[10]（2011）在《基于小波包与最小二乘支持向量机的时间序列预测研究》文中研究说明时间序列预测作为时间序列预测领域及非线性时间动态复杂系统的重要组成部分,需要在随机性和不确定性的变化中总结规律,建立预测模型,从而为决策者提供有效的决策依据。本文以时间序列预测研究中时间序列变化特征的提取、预测模型的构建及模型参数的优化这三个关键方面为研究重点,提出了一种基于小波包与最小二乘支持向量机的时间序列预测新方法,并主要从以下几个方面进行了探讨与研究:首先,系统地阐述了时间序列预测方法、小波分析及支持向量机的理论基础。分析比较了小波变换与小波包变换的优缺点,探讨了小波包在对信号特征提取时所表现出的优越性与适应性。讲解了最小二乘支持向量机推导机理,确立了基于最小二乘支持向量回归机来构建预测模型;其次,建立了基于贝叶斯推断的小波包与最小二乘支持向量机时间序列预测模型。对时间序列进行小波包分解与重构,并将分解得到的近似序列和各细节序列分别单支重构到原级别上,对各个重构后的序列分别用最小二乘支持向量机进行训练。采用贝叶斯推断进行模型参数优化,训练并选取最优模型进行预测,合成而得到原序列的预测结果;第三,基于所建的小波包与最小二乘支持向量机预测模型,针对标准QPSO算法的缺陷,提出了自适应调整收缩扩张因子β方法来优化模型参数,使得改进的QPSO算法的搜索能力更强、收敛速度更快,从而实现加快模型运算速率、提高预测精度的效果;第四,对所建立的预测模型以及所提出的优化方法,分别以上证综指和美国纽约商品交易所原油价格为例,进行了实证分析,并对实验结果进行了多层次、多角度的分析与评测。分析结果表明,本文所建预测模型的运算速度与预测精度都有显着提高,并表现出很好的稳定性和适用性,具有良好的应用前景。
二、时间序列向量自回归模型的贝叶斯推断理论（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、时间序列向量自回归模型的贝叶斯推断理论（论文提纲范文）
（1）基于改进NPE算法的动态间歇过程监控研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 过程监测的含义与基本方法分类 |
| 1.2.1 过程监控的含义 |
| 1.2.2 过程监控的基本方法分类 |
| 1.2.3 邻域保持嵌入算法(NPE) |
| 1.3 间歇过程特性分析 |
| 1.4 间歇过程监控方法研究现状 |
| 1.5 本文研究内容与组织结构 |
| 第2章 基于变量分块的KDLV-DWSVDD算法的间歇过程监控 |
| 2.1 引言 |
| 2.2 相关算法 |
| 2.2.1 动态潜变量算法(DLV) |
| 2.2.2 支持向量数据描述(SVDD) |
| 2.2.3 互信息(MI) |
| 2.3 基于KDLV-DWSVDD的间歇过程监控 |
| 2.3.1 数据预处理 |
| 2.3.2 变量分块 |
| 2.3.3 基于变量分块KDLV-DWSVDD算法的建模 |
| 2.3.3.1 KDLV在相关变量子块中的建模 |
| 2.3.3.2 DWSVDD在独立变量子块中的建模 |
| 2.4 基于变量分块的KDLV-DWSVDD算法的间歇过程监控步骤 |
| 2.4.1 离线建模 |
| 2.4.2 在线监测 |
| 2.5 仿真验证与分析 |
| 2.5.1 青霉素发酵仿真过程 |
| 2.5.2 半导体蚀刻过程 |
| 2.6 本章小结 |
| 第3章 基于GSFA-GNPE的动态静态联合指标间歇过程监控 |
| 3.1 引言 |
| 3.2 慢特征分析算法(SFA) |
| 3.3 基于GSFA-GNPE动态与静态变量的间歇过程监控 |
| 3.3.1 动态变量与静态变量的区分 |
| 3.3.2 基于动态变量与静态变量的GSFA-GNPE建模 |
| 3.3.2.1 全局慢特征分析算法(GSFA) |
| 3.3.2.2 全局邻域保持嵌入算法(GNPE) |
| 3.3.3 联合指标建立 |
| 3.4 基于GSFA-GNPE的动态-静态联合指标间歇过程监控步骤 |
| 3.4.1 离线建模 |
| 3.4.2 在线监测 |
| 3.5 仿真验证与分析 |
| 3.5.1 数值例子 |
| 3.5.2 青霉素发酵仿真过程 |
| 3.6 本章小结 |
| 第4章 基于TMNSPGE算法的间歇过程监控 |
| 4.1 引言 |
| 4.2 相关算法 |
| 4.2.1 图嵌入算法(GE) |
| 4.2.2 稀疏流形编码(SMC) |
| 4.3 基于TMNSPGE算法的间歇过程监控 |
| 4.3.1 数据表示 |
| 4.3.2 基于有限马尔科夫链的相似图设计 |
| 4.3.3 基于TMNSPGE间歇过程监控建模 |
| 4.4 基于TMNSPGE的间歇过程监控步骤 |
| 4.4.1 离线建模 |
| 4.4.2 在线监测 |
| 4.5 仿真验证与分析 |
| 4.5.1 数值例子 |
| 4.5.2 青霉素发酵仿真过程 |
| 4.6 本章小结 |
| 第5章 结论与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 致谢 |
| 附录 攻读硕士期间所发表的论文 |
（2）一类随机变量驱动的自回归模型的统计推断（论文提纲范文）
| 摘要 |
| 英文摘要 |
| 第一章 引言 |
| 1.1 背景介绍 |
| 1.2 论文主要工作 |
| 第二章 多元一阶随机系数自回归过程的经验似然推断 |
| 2.1 模型的定义 |
| 2.2 经验似然比统计量及其极限分布 |
| 2.3 参数的极大经验似然估计 |
| 2.4 模拟研究 |
| 2.5 定理证明 |
| 第三章 带有协变量的随机系数自回归过程的贝叶斯推断 |
| 3.1 模型的定义 |
| 3.2 贝叶斯分析 |
| 3.3 基于贝叶斯因子的假设检验问题 |
| 3.3.1 基于贝叶斯因子的系数随机性检验 |
| 3.3.2 基于贝叶斯因子的协变量检验 |
| 3.4 模拟研究 |
| 3.4.1 贝叶斯估计 |
| 3.4.2 贝叶斯因子检验 |
| 第四章 协变量带有测量误差的随机系数自回归过程统计推断 |
| 4.1 模型的定义与性质 |
| 4.2 参数估计 |
| 4.2.1 条件最小二乘估计 |
| 4.2.2 加权条件最小二乘估计 |
| 4.3 经验似然推断 |
| 4.4 模拟研究 |
| 4.5 定理证明 |
| 第五章 结论 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（3）开放经济下中国货币政策有效性及溢出效应研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究背景和研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究思路与研究框架 |
| 1.2.1 研究思路 |
| 1.2.2 研究框架 |
| 1.3 创新及不足 |
| 1.3.1 本文创新点 |
| 1.3.2 本文的不足之处 |
| 第2章 文献综述 |
| 2.1 货币政策有效性的文献综述 |
| 2.1.1 货币政策传导机制 |
| 2.1.2 开放经济下货币政策有效性 |
| 2.2 对外开放度的文献综述 |
| 2.2.1 对外开放度的度量方法 |
| 2.2.2 对外开放度对货币政策的影响 |
| 2.3 货币政策溢出效应的文献综述 |
| 2.3.1 发达经济体货币政策的溢出效应 |
| 2.3.2 美国量化宽松对外部的溢出效应 |
| 2.3.3 新兴经济体对发达经济体的回溢及溢出效应 |
| 2.3.4 中国货币政策的溢出效应 |
| 2.4 文献综述评述 |
| 第3章 开放经济下货币政策有效性及溢出效应的理论基础 |
| 3.1 开放经济下货币政策有效性的理论基础 |
| 3.1.1 货币政策框架与传导机制 |
| 3.1.2 货币政策有效性理论 |
| 3.1.3 经济开放理论 |
| 3.1.4 对外开放度测度 |
| 3.1.5 对外开放度对货币政策有效性的影响 |
| 3.2 开放经济下货币政策溢出效应的理论基础 |
| 3.2.1 货币政策溢出效应的起源及理论基础 |
| 3.2.2 货币政策溢出效应的溢出渠道 |
| 3.2.3 新兴经济体的回溢及溢出 |
| 3.2.4 以邻为壑效应和火车头效应 |
| 3.3 本章小结 |
| 第4章 开放经济下中国货币政策有效性检验 |
| 4.1 对外开放度的设计及测度 |
| 4.1.1 主成分分析法 |
| 4.1.2 对外开放度的计算及分析 |
| 4.2 开放经济下货币政策有效性模型 |
| 4.3 开放经济中货币政策有效性的实证分析 |
| 4.3.1 数据选取 |
| 4.3.2 SVAR模型短期约束条件 |
| 4.3.3 实证分析结果 |
| 4.4 本章小结 |
| 第5章 贸易金融开放度对中国货币政策有效性影响检验 |
| 5.1 产出效应和价格效应模型 |
| 5.1.1 产出效应和价格效应模型的基础 |
| 5.1.2 开放度对货币政策有效性影响的模型 |
| 5.2 修正的贸易金融开放度对货币政策有效性影响模型 |
| 5.3 贸易金融开放度对货币政策有效性影响的实证分析 |
| 5.3.1 数据选取 |
| 5.3.2 实证分析结果 |
| 5.3.3 自相关检验及稳健回归 |
| 5.4 本章小结 |
| 第6章 中国货币政策溢出效应检验 |
| 6.1 中国与美欧之间货币政策溢出效应模型 |
| 6.1.1 时变参数模型的理论基础 |
| 6.1.2 时变参数模型的构建 |
| 6.2 中美之间货币政策溢出效应的实证分析 |
| 6.2.1 数据选取 |
| 6.2.2 实证分析结果 |
| 6.3 中国和欧元区之间货币政策溢出效应的实证分析 |
| 6.3.1 数据选取 |
| 6.3.2 实证分析结果 |
| 6.4 中国货币政策对新兴经济体溢出效应模型 |
| 6.4.1 面板向量自回归模型(PVAR)的理论基础 |
| 6.4.2 PVAR模型的构建 |
| 6.5 中国货币政策对新兴经济体溢出效应的实证分析 |
| 6.5.1 数据选取 |
| 6.5.2 实证分析结果 |
| 6.6 本章小结 |
| 第7章 结论与政策建议 |
| 7.1 主要结论 |
| 7.1.1 开放经济下中国货币政策的有效性的研究结论 |
| 7.1.2 对外开放度对我国货币政策有效性影响的研究结论 |
| 7.1.3 我国货币政策溢出效应的研究结论 |
| 7.2 政策建议 |
| 7.2.1 构建更加开放的经济环境并关注开放政策与货币政策的配合 |
| 7.2.2 逆周期调节中关注货币政策有效性的变化 |
| 7.2.3 关注我国货币政策的溢出效应实现内外部经济协调发展 |
| 7.3 研究展望 |
| 参考文献 |
| 致谢 |
| 个人简历 在读期间发表的学术论文与研究成果 |
（4）供应链情境下基于销售记录的商品需求预测（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 主要目的和创新点 |
| 1.3 研究思路和内容 |
| 第二章 文献综述 |
| 2.1 需求预测对供应链影响的相关研究 |
| 2.2 需求预测相关研究 |
| 2.2.1 基于参数化模型的需求预测 |
| 2.2.2 基于非参数模型的需求预测 |
| 2.2.3 无边信息条件下的需求预测 |
| 2.2.4 考虑边信息的需求预测 |
| 2.3 研究评述 |
| 第三章 无边信息条件下的多层贝叶斯需求预测模型构建及应用研究 |
| 3.1 问题描述 |
| 3.1.1 背景 |
| 3.1.2 问题的提出 |
| 3.2 贝叶斯网络理论 |
| 3.2.1 数学模型 |
| 3.2.2 基本原理 |
| 3.2.3 参数学习方法 |
| 3.3 Hiyes模型的构建与求解 |
| 3.3.1 参数说明 |
| 3.3.2 模型假设 |
| 3.3.3 参数估计 |
| 3.3.4 模型求解 |
| 3.3.5 模型推断 |
| 3.4 基准算法选取及原理阐述 |
| 3.4.1 Croston方法 |
| 3.4.2 ARIMA方法 |
| 3.4.3 H-NBSS算法 |
| 3.5 实验及预测结果分析 |
| 3.5.1 预测数据集选取及预处理 |
| 3.5.2 结果度量 |
| 3.5.3 Hiyes的参数调节 |
| 3.5.4 预测结果对比 |
| 3.6 本章小结 |
| 第四章 考虑边信息的多层贝叶斯需求预测模型构建及应用研究 |
| 4.1 问题描述 |
| 4.2 考虑边信息的需求预测模型构建 |
| 4.2.1 符号说明 |
| 4.2.2 需求预测模型构建 |
| 4.3 模型推断与求解 |
| 4.3.1 模型的整体结构 |
| 4.3.2 参数分布推导 |
| 4.3.3 模型求解 |
| 4.3.4 模型预测策略制定 |
| 4.4 基准算法选取及原理介绍 |
| 4.4.1 SSpace算法 |
| 4.4.2 高斯过程回归模型 |
| 4.5 实验及结果分析 |
| 4.5.1 数据集及边信息选取 |
| 4.5.2 评价指标 |
| 4.5.3 参数调节 |
| 4.5.4 边信息的作用分析 |
| 4.5.5 预测性能比较 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 全文展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（5）潘家口水库流域环境变化下径流非一致性分析计算问题研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 时间序列分析 |
| 1.2.2 单变量非一致性水文频率分析 |
| 1.2.3 多变量非一致性水文频率分析 |
| 1.2.4 变化环境下水文干旱分析计算 |
| 1.3 研究区域概况 |
| 1.3.1 自然地理 |
| 1.3.2 河流水系 |
| 1.3.3 水文气象 |
| 1.3.4 流域环境的变化 |
| 1.4 研究内容和创新点 |
| 1.4.1 研究内容及技术路线 |
| 1.4.2 主要创新点 |
| 第2章 径流时间序列分析及非一致性诊断 |
| 2.1 数据来源及研究方案 |
| 2.1.1 数据来源 |
| 2.1.2 研究方案 |
| 2.2 时间序列模型ARMA |
| 2.2.1 模型建立 |
| 2.2.2 模型预测 |
| 2.3 模型参数的贝叶斯分析 |
| 2.3.1 贝叶斯理论 |
| 2.3.2 MA模型的贝叶斯推断 |
| 2.4 考虑突变点的参数贝叶斯分析 |
| 2.4.1 非一致性分析 |
| 2.4.2 非一致性检验结果 |
| 2.4.3 基于突变点的时间序列模型 |
| 2.5 时间序列模型的对比分析 |
| 2.6 本章小结 |
| 第3章 气候变化对径流频率非一致性影响及不确定性分析 |
| 3.1 数据来源及研究方案 |
| 3.1.1 数据来源 |
| 3.1.2 研究方案 |
| 3.2 GAMLSS模型 |
| 3.2.1 模型理论 |
| 3.2.2 模型参数估计 |
| 3.2.3 模型评价准则 |
| 3.2.4 水文序列的备选分布 |
| 3.3 全球气候模式简介 |
| 3.4 统计降尺度方法(SDSM) |
| 3.4.1 大尺度预报因子的选取 |
| 3.4.2 空间反距离插值 |
| 3.5 基于方差分解法的不确定性量化 |
| 3.6 结果分析 |
| 3.6.1 GAMLSS模型的建立 |
| 3.6.2 基于SDSM模型的未来降水序列 |
| 3.6.3 未来径流频率及不确定性分析 |
| 3.7 本章小结 |
| 第4章 气候变化对不同季节的径流相关结构的影响 |
| 4.1 数据来源及研究方案 |
| 4.1.1 数据来源 |
| 4.1.2 研究方案 |
| 4.2 时变Copula函数理论 |
| 4.2.1 非一致边缘分布 |
| 4.2.2 时变Copula模型框架 |
| 4.2.3 Copula参数估计方法 |
| 4.2.4 Copula函数拟合效果评价 |
| 4.2.5 联合概率计算 |
| 4.3 降尺度结果校正 |
| 4.3.1 降尺度校正方法 |
| 4.3.2 校正结果 |
| 4.4 气候变化对径流联合概率的影响 |
| 4.4.1 不同季节径流序列的边缘分布 |
| 4.4.2 相关性分析 |
| 4.4.3 Copula模型的构建 |
| 4.4.4 未来气候变化对联合概率的影响 |
| 4.5 本章小结 |
| 第5章 气候变化与人类活动对水文干旱的影响 |
| 5.1 数据来源及研究方案 |
| 5.1.1 数据来源 |
| 5.1.2 研究方案 |
| 5.2 传统概率分析 |
| 5.2.1 条件分布模型 |
| 5.2.2 标准化径流指数的计算 |
| 5.2.3 Shapiro-Wilk正态性检验 |
| 5.2.4 概率分析 |
| 5.3 考虑气候因子与人类活动因子的干旱预报 |
| 5.3.1 大尺度气候因子筛选 |
| 5.3.2 人类活动因子的确定 |
| 5.3.3 多元正态检验 |
| 5.3.4 考虑气候因子/人类活动因子的预报模型 |
| 5.3.5 模型评分 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 主要结论 |
| 6.2 研究展望 |
| 参考文献 |
| 发表论文及参加科研情况 |
| 致谢 |
（6）新建商品住宅价格变化中的媒体作用 ——基于文本分析的实证研究（论文提纲范文）
| 摘要 |
| Abstract |
| 导论 |
| 一、主要概念界定 |
| 二、研究背景、意义和目的 |
| 三、研究思路、内容和方法 |
| 四、可能的创新点与不足之处 |
| 第一章 文献综述 |
| 第一节 关于房价变化影响因素的文献 |
| 一、关于需求因素 |
| 二、关于供给因素 |
| 三、关于信贷因素 |
| 四、关于社会心理因素 |
| 第二节 关于资产价格变动中媒体作用的文献 |
| 一、关于媒体报道能缓解信息不对称 |
| 二、关于媒体报道能够影响投资者的关注度和情绪 |
| 三、关于媒体报道有助于公司提升治理水平 |
| 四、关于媒体报道自身的偏差 |
| 第三节 关于媒体影响房价的文献 |
| 第四节 文献评价 |
| 一、现有文献的主要贡献 |
| 二、现有文献的不足之处 |
| 三、本文研究的主要贡献 |
| 第二章 新建商品住宅价格变化中媒体作用的理论基础 |
| 第一节 信息不对称理论 |
| 一、信息不对称理论阐释 |
| 二、对信息不对称理论的评价 |
| 三、新建商品住宅价格变化中的媒体作用：基于信息不对称理论的解释 |
| 第二节 预期理论 |
| 一、预期理论阐释 |
| 二、对预期理论的评价 |
| 三、新建商品住宅价格变化中的媒体作用：基于预期理论的解释 |
| 第三节 “议程设置”理论 |
| 一、“议程设置”理论阐释 |
| 二、对“议程设置”理论的评价 |
| 三、新建商品住宅价格变化中的媒体作用：基于“议程设置”理论的解释 |
| 第四节 “沉默的螺旋”理论 |
| 一、“沉默的螺旋”理论阐释 |
| 二、对“沉默的螺旋”理论的评价 |
| 三、新建商品住宅价格变化中的媒体作用：基于“沉默的螺旋”理论的解释 |
| 第三章 媒体影响新建商品住宅价格的路径分析 |
| 第一节 媒体关注度和情绪——羊群效应路径 |
| 一、媒体关注度和情绪影响个体需求者 |
| 二、基于演化博弈关注度和情绪传染的“羊群效应”分析 |
| 第二节 房价预期——媒体传染路径 |
| 一、房价预期的媒体传染模型 |
| 二、住宅市场均衡模型 |
| 第三节 新闻传播速率——资产价格响应路径 |
| 一、资产价格对信息的反应受媒介传播速率影响的原理分析 |
| 二、基于新闻传播速度的资产价格反应模型——HS模型 |
| 第四节 研究假设 |
| 第四章 我国媒体的房地产市场新闻内容分析 |
| 第一节 我国房地产新闻报道的发展 |
| 一、萌动阶段 |
| 二、初步成长阶段 |
| 三、渐成体系阶段 |
| 四、多元发展阶段 |
| 第二节 我国房地产新闻报道的类型 |
| 一、按新闻报道形式的分类 |
| 二、按新闻报道内容的分类 |
| 第三节 房地产新闻报道的情绪表达 |
| 一、房地产与市场经济 |
| 二、房价 |
| 三、房地产泡沫 |
| 四、房地产金融 |
| 五、房地产调控政策 |
| 六、土地市场 |
| 第四节 我国媒体房地产新闻的框架分析：基于《人民日报》等报媒和新浪网报道的分析 |
| 一、框架理论 |
| 二、框架分析 |
| 三、框架总结 |
| 第五章 我国媒体的房地产市场新闻指标构建 |
| 第一节 房地产新闻文本的采集 |
| 一、信息源的选取 |
| 二、房地产新闻文本的获取 |
| 第二节 房地产新闻文本情绪分析的方法与技术 |
| 一、相关研究 |
| 二、方法与技术 |
| 第三节 房地产新闻文本情绪的分析实践 |
| 一、训练集的标注 |
| 二、文本素材的处理 |
| 三、房地产新闻情绪指标的构建 |
| 第六章 新建商品住宅价格变动中的城市报媒作用分析 |
| 第一节 变量与数据 |
| 一、35个大中城市报媒指标 |
| 二、变量说明 |
| 三、变量的描述性统计 |
| 四、媒体房地产市场关注度与公众关注度的关系检验 |
| 第三节 模型与估计结果分析 |
| 一、计量模型 |
| 二、实证结果分析 |
| 三、实证小结 |
| 第七章 新建商品住宅价格变动中的全国性报媒作用分析 |
| 第一节 两类全国性报媒指标的构建 |
| 一、报道样本量 |
| 二、报道情绪 |
| 第二节 媒体指标与中国房地产市场波动特征 |
| 一、中国房地产市场波动特征 |
| 二、媒体指标波动率与房地产市场指标波动率 |
| 第四节 时变参数向量自回归模型 |
| 一、结构性VAR |
| 二、TVP-VAR模型的设定 |
| 三、模型的估计 |
| 第五节 实证分析 |
| 一、数据来源及说明 |
| 二、时变参数向量自回归模型估计结果 |
| 三、稳健性检验 |
| 四、实证小结 |
| 第八章 新建商品住宅价格变动中的网络媒体作用分析 |
| 第一节 网媒指标 |
| 一、报道样本量和报道情绪 |
| 二、关键词热度 |
| 第二节 基准分析 |
| 一、变量数据平稳性检验 |
| 二、模型估计结果 |
| 第三节 分组分析 |
| 一、马尔科夫链蒙特卡洛模拟(MCMC) |
| 二、随机波动与同步变化 |
| 三、TVP-VAR冲击响应估计结果 |
| 第四节 本章小结 |
| 第九章 研究结论与政策建议 |
| 第一节 主要研究结论 |
| 一、新建商品住宅价格变化中媒体关注度的作用 |
| 二、新建商品住宅价格变化中媒体情绪的作用 |
| 三、媒介传播速率对房价变化的影响 |
| 第二节 相关政策建议 |
| 一、运用城市报媒做好预期管理 |
| 二、结合报媒、网媒发挥其舆论引导作用 |
| 三、报网融合提高信息的公信力和传播度 |
| 四、构建房地产市场的媒体指标供决策参考 |
| 参考文献 |
| 在读期间科研成果 |
| 附录A：TVP-VAR回归模型中的MCMC算法 |
| 附录B：8 家网络媒体变量、住宅销售面积和房价的TVP-VAR模型参数估计结果 |
| 附录C：房价、新建商品住宅销售面积及媒体变量的脉冲响应动态演化过程 |
| 附录D：不同阶段房价、商品住宅销售面积和媒体变量脉冲响应结果 |
（7）基于贝叶斯推断的HMM股价预测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文的研究目标与贡献 |
| 1.4 本文的组织结构 |
| 第二章 预测模型和方法 |
| 2.1 ARIMA |
| 2.1.1 ARMA模型 |
| 2.1.2 模型定阶 |
| 2.2 循环神经网络 |
| 2.3 隐马尔科夫模型(HMM) |
| 2.3.1 评估问题 |
| 2.3.2 解码问题 |
| 2.3.3 学习问题 |
| 2.4 贝叶斯推断 |
| 2.4.1 推断方法 |
| 2.4.2 MH算法 |
| 2.4.3 贝叶斯推断时间序列分割点 |
| 2.5 本章小结 |
| 第三章 BHMM(基于贝叶斯推断的HMM)理论基础 |
| 3.1 模型假设 |
| 3.2 功能结构 |
| 3.3 核心算法 |
| 3.3.1 分割算法 |
| 3.3.2 混合趋势预测法 |
| 3.3.3 贝叶斯点估计 |
| 3.3.4 损失函数 |
| 3.4 本章小结 |
| 第四章 程序设计及实现 |
| 4.1 对象结构 |
| 4.1.1 属性 |
| 4.1.2 方法 |
| 4.1.3 使用 |
| 4.2 建模结果比较 |
| 4.2.1 指标及参考方法 |
| 4.2.2 传统模型结果 |
| 4.2.3 BHMM模型结果 |
| 4.3 本章小结 |
| 第五章 实证研究 |
| 5.1 实验环境 |
| 5.2 实验方法和对象 |
| 5.2.1 判决阈值的影响 |
| 5.2.2 实验结果混合 |
| 5.2.3 模拟交易 |
| 5.3 实验结果和分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（8）非线性状态空间模型贝叶斯估计中的高效粒子MCMC算法（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 导论 |
| 1.1 研究背景 |
| 1.2 研究问题 |
| 1.3 本文结构与贡献 |
| 第二章 状态空间模型的贝叶斯估计 |
| 2.1 模型结构与实例 |
| 2.2 贝叶斯估计 |
| 2.2.1 Metropolis-Hastings算法和Gibbs抽样 |
| 2.2.2 状态与参数更新 |
| 2.2.3 粒子滤波 |
| 2.2.4 粒子平滑 |
| 2.2.5 粒子MCMC |
| 2.3 贝叶斯模型选择 |
| 2.4 附录 |
| 2.4.1 重要性抽样 |
| 2.4.2 马尔可夫链的收敛性 |
| 2.4.3 MH算法和Gibbs抽样的收敛性 |
| 第三章 多重尝试粒子Metropolis-Hastings算法 |
| 3.1 引言 |
| 3.2 粒子Metropolis-Hastings算法 |
| 3.3 多重尝试粒子MH算法 |
| 3.3.1 多重尝试策略 |
| 3.3.2 多重尝试PMH算法及其性质 |
| 3.3.3 独立抽样分布 |
| 3.3.4 延迟接收策略 |
| 3.3.5 边缘似然计算 |
| 3.4 数值实验 |
| 3.4.1 模型设定 |
| 3.4.2 数据和先验 |
| 3.4.3 后验抽样 |
| 3.5 对中国宏观经济数据的分析 |
| 3.5.1 模型选择 |
| 3.5.2 参数估计 |
| 3.6 结论 |
| 3.7 定理证明 |
| 3.7.1 定理3.1 |
| 3.7.2 定理3.2 |
| 3.7.3 定理3.3 |
| 3.8 附录 |
| 3.8.1 中心差分Kalman滤波 |
| 3.8.2 辅助粒子滤波 |
| 第四章 近似贝叶斯计算粒子MCMC算法 |
| 4.1 引言 |
| 4.2 ABC粒子滤波 |
| 4.2.1 粒子滤波的失效 |
| 4.2.2 ABC粒子滤波的实施 |
| 4.2.3 收敛性和最优窗宽 |
| 4.3 ABC粒子MCMC算法 |
| 4.3.1 ABC粒子MH算法 |
| 4.3.2 边缘化策略 |
| 4.3.3 ABC粒子Gibbs抽样 |
| 4.3.4 后向抽样策略 |
| 4.4 数值实验 |
| 4.4.1 对似然函数与平滑分布的近似 |
| 4.4.2 后验抽样:MH算法 |
| 4.4.3 后验抽样:Gibbs抽样 |
| 4.5 结论 |
| 4.6 定理证明 |
| 4.6.1 定理4.2 |
| 4.6.2 定理4.3 |
| 4.6.3 定理4.4 |
| 4.6.4 定理4.5 |
| 4.7 附录:参数Φ的更新 |
| 第五章 Wishart动态期限结构模型的参数估计与模型评估 |
| 5.1 引言 |
| 5.2 Wishart动态期限结构模型 |
| 5.2.1 无套利定价 |
| 5.2.2 随机方差-协方差的作用 |
| 5.3 后验抽样算法 |
| 5.3.1 状态空间表示 |
| 5.3.2 状态更新 |
| 5.3.3 参数更新 |
| 5.4 数值实验 |
| 5.5 基于美国数据的分析 |
| 5.5.1 参数估计 |
| 5.5.2 后验预测检查 |
| 5.5.3 横截面预测 |
| 5.5.4 时间序列预测 |
| 5.6 结论 |
| 5.7 附录 |
| 5.7.1 概率分布 |
| 5.7.2 第5.4节中的抽样分布 |
| 5.7.3 第5.5节中的抽样分布 |
| 第六章 结论与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读博士学位期间的研究成果 |
| 致谢 |
（9）基于MCMC算法的贝叶斯分位回归计量模型及应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 插图索引 |
| 附表索引 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 文献综述 |
| 1.2.1 分位回归计量模型的研究现状 |
| 1.2.2 贝叶斯分位回归计量模型的研究现状 |
| 1.2.3 贝叶斯分位回归方法在经济增长分析中应用的意义 |
| 1.3 研究思路及主要内容 |
| 1.3.1 研究思路 |
| 1.3.2 主要内容 |
| 第2章 贝叶斯分位回归模型的理论基础 |
| 2.1 分位数及其应用 |
| 2.1.1 分位数与次序统计量 |
| 2.1.2 分位数在刻画分布特征方面的应用 |
| 2.2 分位回归模型及其性质 |
| 2.2.1 分位回归模型概述 |
| 2.2.2 分位回归模型的性质 |
| 2.3 贝叶斯推断理论 |
| 2.3.1 基于非对称Laplace分布的似然函数 |
| 2.3.2 先验分布的选择 |
| 2.4 MCMC计算理论 |
| 2.4.1 M-H抽样算法 |
| 2.4.2 Gibbs抽样算法 |
| 2.4.3 G-R收敛诊断 |
| 2.5 本章小结 |
| 第3章 随机系数分位回归模型的贝叶斯分析 |
| 3.1 引言 |
| 3.2 随机系数分位AR模型的贝叶斯分析 |
| 3.2.1 随机系数分位AR模型的结构分析 |
| 3.2.2 随机系数分位AR模型的异方差性 |
| 3.2.3 基于M-H抽样算法的模型贝叶斯推断 |
| 3.3 随机系数分位AR模型的在波动性分析中的应用 |
| 3.4 数值算例 |
| 3.4.1 分位AR模型的单位根检验 |
| 3.4.2 随机系数AR模型的仿真分析 |
| 3.4.3 基于不同残差的ARCH模型的比较分析 |
| 3.5 实证分析 |
| 3.6 本章小结 |
| 第4章 马尔可夫随机系数分位回归模型的贝叶斯分析 |
| 4.1 引言 |
| 4.2 马尔可夫转换随机系数分位AR模型的贝叶斯分析 |
| 4.2.1 马尔可夫转换随机系数分位AR模型的构建 |
| 4.2.2 基于数据扩充的模型的贝叶斯推断 |
| 4.3 马尔可夫转换随机系数分位AR模型的在波动性分析中的应用 |
| 4.4 数值算例 |
| 4.4.1 MS-AR模型仿真分析 |
| 4.4.2 MS-ARCH模型仿真分析 |
| 4.5 实证分析 |
| 4.6 本章小结 |
| 第5章 非参数傅立叶级数分位回归模型的贝叶斯分析 |
| 5.1 引言 |
| 5.2 基于傅立叶级数的非参数分位回归模型的贝叶斯分析 |
| 5.2.1 基于傅立叶级数的非参数分位回归模型的构建 |
| 5.2.2 基于Gibbs抽样算法的模型的贝叶斯推断 |
| 5.3 傅立叶正交估计方法在非参数波动模型中的应用 |
| 5.4 数值算例 |
| 5.4.1 傅立叶级数阶数选择及分位曲线的拟合 |
| 5.4.2 傅立叶正交估计方法与样条方法的比较分析 |
| 5.5 中国股票市场的实证研究 |
| 5.5.1 信息冲击曲线拟合 |
| 5.5.2 VaR风险度量 |
| 5.6 本章小结 |
| 第6章 贝叶斯分位回归模型在中国省域经济增长收敛性分析中的应用 |
| 6.1 引言 |
| 6.2 新古典经济增长收敛理论 |
| 6.3 基于傅立叶级数的异质性非参数经济增长模型的构建 |
| 6.3.1 基于傅立叶级数的异质性经济增长模型的结构分析 |
| 6.3.2 模型参数的MCMC模拟 |
| 6.4 实证分析 |
| 6.4.1 波动性分析 |
| 6.4.2 收敛性分析 |
| 6.5 政策建议 |
| 6.6 本章小结 |
| 结论 |
| 参考文献 |
| 附录A 攻读博士学位期间发表的论文目录 |
| 附录B 攻读学位期间参与的研究课题 |
| 致谢 |
（10）基于小波包与最小二乘支持向量机的时间序列预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景与研究意义 |
| 1.2 课题研究现状 |
| 1.3 课题研究内容与论文结构 |
| 第二章 基本概念与理论基础 |
| 2.1 时间序列概述 |
| 2.1.1 时间序列定义 |
| 2.1.2 非线性时间序列预测方法 |
| 2.2 小波分析理论基础 |
| 2.2.1 小波分析 |
| 2.2.2 小波包分析 |
| 2.3 最小二乘支持向量机 |
| 2.3.1 支持向量机理论 |
| 2.3.2 最小二乘支持向量机基本原理 |
| 2.4 本章小结 |
| 第三章 小波包与贝叶斯 LSSVM 的时间序列预测研究 |
| 3.1 贝叶斯推断 |
| 3.2 预测模型的构建与训练 |
| 3.3 实证分析 |
| 3.3.1 上证综指实例分析 |
| 3.3.2 原油价格实例分析 |
| 3.4 本章小结 |
| 第四章 基于改进 QPSO 的 WP-LSSVM 时间序列预测研究 |
| 4.1 粒子群优化算法 |
| 4.1.1 PSO 算法原理 |
| 4.1.2 算法描述 |
| 4.2 量子粒子群优化算法 |
| 4.2.1 QPSO 算法原理 |
| 4.2.2 基于参数β改进QPSO 算法 |
| 4.3 基于改进QPSO 的时间序列预测模型 |
| 4.4 实证分析 |
| 4.4.1 上证综指实例分析 |
| 4.4.2 原油价格实例分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
四、时间序列向量自回归模型的贝叶斯推断理论（论文参考文献）
- [1]基于改进NPE算法的动态间歇过程监控研究[D]. 牟淼. 兰州理工大学, 2021(01)
- [2]一类随机变量驱动的自回归模型的统计推断[D]. 陈晋. 吉林大学, 2021(02)
- [3]开放经济下中国货币政策有效性及溢出效应研究[D]. 魏天磊. 对外经济贸易大学, 2020(01)
- [4]供应链情境下基于销售记录的商品需求预测[D]. 邱萍萍. 华南理工大学, 2020(02)
- [5]潘家口水库流域环境变化下径流非一致性分析计算问题研究[D]. 李敏. 天津大学, 2019(01)
- [6]新建商品住宅价格变化中的媒体作用 ——基于文本分析的实证研究[D]. 宋丹丹. 中南财经政法大学, 2019(08)
- [7]基于贝叶斯推断的HMM股价预测研究[D]. 余锴. 上海交通大学, 2018(01)
- [8]非线性状态空间模型贝叶斯估计中的高效粒子MCMC算法[D]. 杨远. 厦门大学, 2017(09)
- [9]基于MCMC算法的贝叶斯分位回归计量模型及应用研究[D]. 曾惠芳. 湖南大学, 2011(05)
- [10]基于小波包与最小二乘支持向量机的时间序列预测研究[D]. 王欣冉. 中国地质大学（北京）, 2011(08)