查詢結果分析
來源資料
相關文獻
- 利用重覆抽樣方法於時間序列轉換函數模型模式鑑定之大樣本理論
- Analysis of the Price Response of Taiwan Tuna Purse Seine Fishery in the Frozen Tuna Raw Material Market in Thailand
- 時間數列模型在臺灣國防預算編列上之應用
- 最短敘述長度與線性模型選取
- 臺灣工業生產指數之預測研究
- 領先景氣指標與寶來臺灣卓越50基金淨值關係之研究
- 類神經網路模型結構選取--廣義統計自由度的使用
- 以遺傳演算法優化支援向量迴歸在旅遊需求預測上的應用
- 自我相關殘差管制圖模型選取之研究
- 以大數據分析建立船殼退化狀況的預測模型
頁籤選單縮合
題名 | 利用重覆抽樣方法於時間序列轉換函數模型模式鑑定之大樣本理論=Large Sample Theory of Model Selection in Transfer Models Using Resampling Method |
---|---|
作者 | 林財川; 洪駿源; | 書刊名 | 朝陽商管評論 |
卷期 | 4:1 2005.01[民94.01] |
頁次 | 頁23-40 |
分類號 | 510 |
關鍵詞 | 重覆抽樣法; 轉換函數模型; 模型選取; 自我迴歸函數; 過度擬合; AIC; Transfer function model; Order determination; Resampling methods; |
語文 | 中文(Chinese) |
中文摘要 | 財時間序列模型的建立常基於考量其過去資訊及其他相關序列的影響。換函數模型假設{Yt, Xt}為平穩行時間序列,其中{Yt}為輸出函數,{Xt}為輸入函數。轉換模型階數選取方法的目的,乃在避免因過度擬合產生預測δ(k)=logσ2k+C(n, k)以求得最適階次k。因為AIC和AICC的原始設計乃基於雜訊項Nt高期分炭的假設下所求導出。然而在應用上,高斯分配的假設常常無法達成。本文旨在使用再抽樣的方法,期能從資料中擷取有關資料持有的資訊,尋找一個最佳懲罰模型選取準則中最佳的懲罰因子,而此懲罰因子應含帶模型分配等的重要訊息,特別是一些非常態的分配。理論證得此再抽樣方法的模型選取之階數估計為一致性估計。 |
英文摘要 | Transfer function model is one topic of time series analysis. After constructing the transfer function model, we always use traditional criterion, such as AIC、BIC and H&Q for model selection. However, AIC criterion always over fit and parameter estimator is not consistency for large sample size and BIC criterion is not consistency efficiency, and H&Q criterion always under fit for small sample size. Most of these tools are designed based on the innovation Gaussian distributed. Criteria are that the sequence of constant penalty factors C completely ignores other potentially important information contained in the distribution of the process. Oin our procedure, we obtain such information by using resampling methods for determining the order of Transfer function model process. We mainly prove the mean square error of prediction is monotone decreasing. Under this prerequisite, we can build the model selection criterion and prove the Yule-Walker estimators of the resampling test series are weak consistency. |
本系統之摘要資訊系依該期刊論文摘要之資訊為主。