许多经济和金融序列的噪声部分不满足正态假设,而是表现出厚尾和异方差性质,并且序列间高度关联。另外,序列内和序列间历史数据对当前时刻数据的影响与时间延迟有关,即延迟大的对当前时刻数据影响小,延迟小的对当前时刻数据影响大。这样体现在模型上也就是参数满足一定的约束条件(序约束、平稳条件约束)的时间序列模型更能够刻划这种现象。本项目正是针对上述问题提出的,重点研究以下两方面的内容第一、考虑约束条件下时间序列模型的统计推断问题。对时间序列(AR、ARMA、ARIMA、GARCH)模型,特别是噪声为厚尾和条件异方差的模型,在约束条件下,考虑模型中参数的估计以及估计量的性质,给出关于参数序关系及模型平稳性的检验方法,提出较好的序约束条件下关于上述模型的预测方法;第二、初步讨论相依误差下时间序列模型的统计推断问题。由于这类模型应用广泛,所以本项目有着较好的理论意义和应用前景。
英文主题词Ordered restriction; Stationary conditions; time series; hypothesis testing.