导读:本文包含了自回归条件持续期论文开题报告文献综述及选题提纲参考文献，主要关键词:交通工程,疲劳驾驶,ACD模型,车速变化持续期
自回归条件持续期论文文献综述
毛树华,王先朋,文江辉,吴超仲,肖新平[1]（2018）在《基于自回归条件持续期模型的疲劳驾驶研究》一文中研究指出对实际驾驶实验中不同驾驶员的车速数据进行处理,得到车速变化持续期间序列,应用自回归条件持续期模型(ACD),讨论了车速变化持续期的相关性质,并对模型的可靠性做了评估.使用ACD模型为车速变化持续期时间序列建模,其优点是能够在不损失原始非等间隔时间序列特性的条件下,直接分析得到驾驶状态的时域微观性质.采用EACD(1,1)和WACD(1,1)模型对不同驾驶员的车速变化时间序列进行建模,结果表明:其具有较好的拟合程度,当实际期间小于条件预期期间,驾驶员的驾驶状态有变好的可能;当实际期间大于条件预期期间,驾驶员的驾驶状态有变差的可能.(本文来源于《交通运输系统工程与信息》期刊2018年03期）
邓小斌[2]（2018）在《复合Lognormal-Pareto自回归条件持续期模型及其应用》一文中研究指出随着信息技术的发展,金融高频数据的分析工作越来越重要。金融高频数据包含着大量市场微观结构的信息,所以分析金融高频数据对理解金融微观结构是相当重要的。目前对微观结构理论的研究大多是定性研究,这些理论在多大程度上符合实际,需要实证分析对其进行检验。ACD模型就是处理金融高频数据正值时间序列的一重要手段,且ACD模型最大的挑战在于新息分布的选择。通常,交易持续期大密度在0附近聚集,并表现为非对称的右厚尾。所以合适的新息分布应该能捕捉到数据的内在特征,尤其是厚尾这一特征。在这一点上,本文要讲的复合Lognormal-Pareto分布比当前应用普遍的指数分布、Weibull分布,广义伽玛分布效果都能更好。本文不是从形状参数或者混合同种分布的角度出发考虑新息分布,而是从”粘帖”两种不同分布得到的复合分布考虑,给ACD模型的新息分布提供了一个新的思路。本文应用的是Starbucks股票2011年7月25号到7月29号的部分日内交易数据(该数据可由[1]获得)。然后把本文的Lognormal-Pareto作为新息分布的LP-ACD拟合效果与指数分布(EACD)、Weibull分布(WACD),广义伽玛分布(GACD)拟合效果作一个比较。(本文来源于《厦门大学》期刊2018-04-01）
林秋旭[3]（2017）在《混合厄朗条件自回归持续期模型（MER-ACD）及其在高频数据分析中的应用》一文中研究指出随着信息技术的发展,金融高频数据的分析工作越来越被重视。而条件自回归持续期(ACD)模型在处理金融高频数据的正值时间序列方面,有着重要的作用。普遍情况下,持续期模型的新息多在0附近大密度聚集,并呈现非对称的厚尾分布,因此具有厚尾形状的分布越来越多地被统计学家们应用于ACD模型中。事实上,历史上将指数分布、Weibull分布、广义伽马分布等分布作为新息分布的ACD模型已能够处理大部分高频数据,但这些模型存在一个共同的不足,就是对模型新息序列的拟合效果都不是很好,此时模型参数的估计只能是拟最大似然估计。因此对于数据量不断增大数据结构愈趋复杂的金融高频数据,我们仍需寻求更具灵活性的分布函数来拟合持续期模型的新息。理论上已证明,混合厄朗分布在正连续型分布中稠密,因而可用有限混合厄朗分布近似任一正连续型分布。而且在估计ACD模型时,样本量都是成千上万个,完全适合使用混合厄朗分布。因此我们考虑用在保险损失数据建模中有着广泛应用的混合厄朗分布(MER分布)作为新息分布,构造一类新的条件自回归持续期模型-混合厄朗自回归持续期(MER-ACD)模型。借鉴保险损失数据建模思想,引进潜变量构造完全数据对数似然函数进行拟合计算。本文在CMM-GEM算法的基础上,采用EM算法的延伸算法ECM算法,构造一种新的算法,CMM-GECM算法进行最大似然估计参数拟合。在E-步求得完全数据的对数似然函数的期望后,在CM-步将待拟合的参数集合Ψ分为ΨACD,ΨMER两个参数集合,并分别将其中一个固定,对另一个参数集求条件最大值,标准化模型后将求得的参数代入计算观测数据的对数似然函数,判断是否满足停止条件,从而得到MER-ACD模型的参数拟合结果。我们运用R软件设计CMM-GECM算法,分别对模拟数据以及金融实例数据进行MER-ACD模型的参数拟合,并与带指数分布、Weibull分布、广义伽马分布的条件自回归持续期模型做对比,证明了 CMM-GECM算法的有效性,及MER-ACD模型在分析金融高频数据时,对模型新息序列的拟合优于已有ACD模型。(本文来源于《厦门大学》期刊2017-06-30）
郭亦文[4]（2017）在《我国商品期货市场流动性实证研究》一文中研究指出商品期货作为金融市场中重要的组成部分,使投资者可以通过套期保值实现风险规避,同时也给投资者提供了投机套利等多种投资方式。因流动性在市场结构中有重要作用,多年来国内外学者对其进行了广泛研究,但主要针对的是证券市场。在国内,对于商品期货市场的流动性度量指标及实证分析并不多见。本文正是从这一背景出发,试图探究我国商品期货市场的流动性特征。此前对于市场微观结构的研究有碍于数据的精细程度不够,很难有准确的实证分析。高频数据库的建立为验证市场微观理论提供了数据基础。但传统的分析模型,如ARCH、GARCH模型,不能直接使用。本文利用Engle和Russell提出的ACD模型,对交易持续期建模,很好地实现了对不等时间间隔的高频数据实证分析。文章结构大致分为四部分。第一部分介绍了论文的研究背景和现状。第二部分详细介绍了本文使用的数学模型——自回归条件久期(ACD)模型。然后本文选取的流动性度量指标的优势。第叁部分是基于ACD模型对我国四个商品期货合约(Rb,Ru,Ma,M)进行实证分析,继而验证了 0' Hara的微观市场理论在中国商品期货市场的相符性。第四部分,研究总结。本文的研究表明:1,交易持续期存在明显的日内模式和很强的自相关性。2,文中用四种滞后一阶的线性ACD模型拟合交易持续期数据,发现BACD模型是最适用我国商品期货市场的模型。3,通过实证分析的结果发现,spread、volume和volatility与流动性呈正相关,yield呈负相关。4,套期保值者是我国商品期货市场的主要交易者。(本文来源于《山东大学》期刊2017-04-20）
鲁万波,庞皓[5]（2010）在《中国股票市场的交易与信息——基于自回归条件持续时间标值模型的实证研究》一文中研究指出构建多元线性和半参数单指数自回归条件持续时间标值模型及其估计方法,基于分笔交易数据研究中国股票市场交易与信息之间的线性与非线性动态关系。实证结果表明:(1)交易持续时间存在明显正自相关性、过度分散性和聚集效应;(2)滞后收益率、成交量、买卖价差对交易持续时间有显着线性正影响,滞后波动率对交易持续时间有显着线性负影响,各滞后市场微观结构特征变量对交易持续时间的影响普遍支持Easley和O’Hara(1992)"无交易预示着无消息"的发现;(3)滞后收益率、波动率、成交量和买卖价差对交易持续时间的非线性正、负影响有差异,各滞后市场微观结构特征变量对交易持续时间的影响没有一致性的结论,Diamond和Verrechia(1987)的"无交易预示着坏消息"以及Easley和O’Hara(1992)的"无交易预示着无消息"的结论同时成立。(本文来源于《财经科学》期刊2010年07期）
王玉玲,王晶,向东进[6]（2007）在《自回归条件持续期(ACD)模型的统计特性分析》一文中研究指出从一簇新的关于超高频的金融时间序列模型ACD模型的统计特性入手,基于高频交易的模型的样本来探讨平稳过程的ACD模型的一些相关性质.这簇模型能为金融市场提供信息和依据.(本文来源于《江汉大学学报(自然科学版)》期刊2007年02期）
王晶,王玉玲,向东进,阮曙芬[7]（2006）在《自回归条件持续期(ACD)模型研究》一文中研究指出本文介绍了关于在高频金融计量经济学中时间序列的自回归条件持续期模型,并综合目前的几种研究方法,对其应用现状作了简要的概述。(本文来源于《统计与决策》期刊2006年12期）
蔡艳萍,谢家泉[8]（2006）在《中国股市收益率波动实证研究──基于自回归条件持续性模型》一文中研究指出结合高频数据和自回归条件持续性(ACD)模型进行的研究表明:在中国市场,自回归条件持续性模型可以成功用来衡量交易到达的强度。最后展望了该模型的发展方向。(本文来源于《财经理论与实践》期刊2006年01期）
张明良[9]（2005）在《自回归条件持续期模型及其实证研究》一文中研究指出市场微观结构理论的研究主要集中于证券交易价格形成与发现的过程与运作机制。这一领域的研究仅仅利用一些低频交易数据是远远不够的。近年来,伴随着计算机技术的迅速发展,人们越来越多地利用高频数据开展对市场微观结构的研究。传统的计量模型,在分析高频数据时往往会面临许多问题,开展高频数据计量方法的研究显得十分重要。国外的实证研究表明自回归条件持续期模型在处理高频数据方面具有优良的特性,国内关于这一计量方法的研究基本上处于空白状态。本文认为开展对该模型的理论研究与实证研究对于人们了解我国的市场运行机制,指导市场制度建设意义重大。本文就是在这样的背景下展开研究的。首先,本文对模型分布假设进行了扩展,并对不同分布假设下的模型估计方法进行了探讨。为了研究适宜的模型形式,在我国特定的制度背景下,本文选取了18只上证180指数股票,数据的预处理表明模型应用的可行性。接下来,对模型的有效性、分布假设进行了实证研究。研究表明利用ACD模型分析我国股市的高频数据具有非常好的适用性。随后,本文引入新的市场微观结构变量,构造了扩展的ACD模型,并对市场微观结构理论的几个重要假设进行了实证检验。最后为了深入探讨市场微观结构特征,本文在流动性度量方面进行了一定的探索。本文的研究表明:(1)持续期具有明显的日内模式,呈现典型的倒U型走势。(2)ACD模型可以很好的刻画我国股票市场的高频交易数据特征,具有非常好的应用价值。在滞后一期的情形下,Weibull分布具有非常好的适用性。(3)基于高频数据的流动性度量指标VNET在衡量流动性方面非常有效。(本文来源于《湖南大学》期刊2005-09-28）
自回归条件持续期论文开题报告
（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：
随着信息技术的发展,金融高频数据的分析工作越来越重要。金融高频数据包含着大量市场微观结构的信息,所以分析金融高频数据对理解金融微观结构是相当重要的。目前对微观结构理论的研究大多是定性研究,这些理论在多大程度上符合实际,需要实证分析对其进行检验。ACD模型就是处理金融高频数据正值时间序列的一重要手段,且ACD模型最大的挑战在于新息分布的选择。通常,交易持续期大密度在0附近聚集,并表现为非对称的右厚尾。所以合适的新息分布应该能捕捉到数据的内在特征,尤其是厚尾这一特征。在这一点上,本文要讲的复合Lognormal-Pareto分布比当前应用普遍的指数分布、Weibull分布,广义伽玛分布效果都能更好。本文不是从形状参数或者混合同种分布的角度出发考虑新息分布,而是从”粘帖”两种不同分布得到的复合分布考虑,给ACD模型的新息分布提供了一个新的思路。本文应用的是Starbucks股票2011年7月25号到7月29号的部分日内交易数据(该数据可由[1]获得)。然后把本文的Lognormal-Pareto作为新息分布的LP-ACD拟合效果与指数分布(EACD)、Weibull分布(WACD),广义伽玛分布(GACD)拟合效果作一个比较。
（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。
自回归条件持续期论文参考文献
[1].毛树华,王先朋,文江辉,吴超仲,肖新平.基于自回归条件持续期模型的疲劳驾驶研究[J].交通运输系统工程与信息.2018
[2].邓小斌.复合Lognormal-Pareto自回归条件持续期模型及其应用[D].厦门大学.2018
[3].林秋旭.混合厄朗条件自回归持续期模型（MER-ACD）及其在高频数据分析中的应用[D].厦门大学.2017
[4].郭亦文.我国商品期货市场流动性实证研究[D].山东大学.2017
[5].鲁万波,庞皓.中国股票市场的交易与信息——基于自回归条件持续时间标值模型的实证研究[J].财经科学.2010
[6].王玉玲,王晶,向东进.自回归条件持续期(ACD)模型的统计特性分析[J].江汉大学学报(自然科学版).2007
[7].王晶,王玉玲,向东进,阮曙芬.自回归条件持续期(ACD)模型研究[J].统计与决策.2006
[8].蔡艳萍,谢家泉.中国股市收益率波动实证研究──基于自回归条件持续性模型[J].财经理论与实践.2006
[9].张明良.自回归条件持续期模型及其实证研究[D].湖南大学.2005