# 臺灣博碩士論文加值系統

(44.197.230.180) 您好！臺灣時間：2022/08/20 13:28

:::

### 詳目顯示

:

• 被引用:1
• 點閱:335
• 評分:
• 下載:48
• 書目收藏:0
 本文提出一個新的ARFIMA模型之長距相關參數估計方法。研究中利用Kullback-Leibler discrepancy找出與FI(d)模型最近似的ARMA(1,1)與ARMA(2,2)模型，並利用cubic spline決定出ARMA近似模型中的各個參數與d之關係式。再以此近似模式的概似函數作為長距相關參數d的估計目的函數。我們推導出此新估計量的大樣本性質。且經模擬生成的資料，評估此估計方法在小樣本之下的表現，並與先前的參數估計方法做比較。在實證分析上，以尼羅河水位資料作實例探討。
 A new method for estimating long-memory parameter in ARFIMA Models is proposed based on ARMA approximation. The Kullback-Leibler discrepancy is used to find a best ARMA approximation for a FI(d) model. The performance of the new estimator is investigated and compared to previous methods in finite sample via simulations. The Nile River data are used for illustration.
 1 Introduction 2 ARFIMA Model and its ARMA Approximation 2.1 ARFIMA Models 2.2 ARMA Approximations for FI(d) models 2.3 ARMA Approximations for ARFIMA models 3 Estimation Methods for Long-Memory Parameter 3.1 Classical Estimation Methods 3.2 Proposed Method 4 Numerical Simulation 5 Application 6 Conclusion
 [1]Aydogan, Kursat and Booth, G. Geoffrey (1988), Are there long cycles in common stock returns?, Southern Economic Journal, 141-149.[2]Basak, G.K., Chan, N.H. and Palma, W. (2001), The approximation of long-memory process by an ARMA model, Journal of Forecasting, 367-389.[3]Beran, J. (1994), Statistics for long-memory process, Chapman and Hall, New York.[4]Beran, J. and Terrin, N. (1996), Testing for a change of the long-memory parameter, Biometrika}, 83, No. 3, 627-638.[5]Brockwell, P.J. and Davis, R.A. (1987), Time series: Theory and Methods (first edition), Springer, New York.[6]Chan, N.H. and Palma, W. (1998), State space modelling for long-memory processes, Ann. Statist., 26, 719-740.[7]Diebold, F.X. and Rudebusch, Glenn D. (1989), Long memory and persistence in aggregate output, Journal of Monetary Economics, 24, 189-209.[8]Fox, Robert and Taqqu, Murad S. (1986), Large-Sample properties of parameter estimates for strongly dependent stationary Gaussian time series, Ann. Statist., 14, 517-532.[9]Geweke, John F. and Porter-Hudak, Susan (1982), The estimation and application of long memory time series models, Journal of Time Series Analysis, 4, 221-238.[10]Graf, H.P. (1983), Long-range correlations and estimation of the self-similarity parameter, PhD thesis, ETH Zurich.[11]Granger, C.W.J and Joyeux, R. (1980), An introduction to long-range time series models and fractional differencing, J. Time Ser. Anal., 1, 15-30.[12]Hosking, J.R.M. (1981), Fractional differencing, Biometrika, 68, 165-176.[13]Hosking, J.R.M. (1984), Modelling persistence in hidrological time series using fractional differencing, Water Resources Reserch, 20, 1898-1908.[14]Hsu, N.J. and Breidt, F.J. (2002), Bayesian analysis of fractionally integrated ARMA with additive noise, Journal of Forecasting, in press.[15]Whittle, P. (1953), Estimation and information in stationary time series, Ark. Mat., 2, 423-434.[16]Tsay, Wen-Jen (2000), Long memory story of the real interest rate, Economics Letters, 67, 325-330.
 電子全文
 國圖紙本論文
 推文當script無法執行時可按︰推文 網路書籤當script無法執行時可按︰網路書籤 推薦當script無法執行時可按︰推薦 評分當script無法執行時可按︰評分 引用網址當script無法執行時可按︰引用網址 轉寄當script無法執行時可按︰轉寄

 1 FIVAR-FIGARCH模型建立、估計與應用－台灣地區股價、匯率、外人投資關聯性之檢測 2 截切資料在隨機波動模式下的估計

 1 59. 許添明(民87)，教育財政制度新趨勢，文教新潮，第三卷第一期，87年2月，P9-P23。 2 58. 陳麗珠(民90)，我國高等教育財政改革之趨勢與展望，高雄師大學報，第十二期，P53-P69。 3 56. 陳榮方（民87），以資料包絡分析法評量我國大學院校之教育品質，高雄科學技術學院學報，國立高雄科學技術學院，頁227-238。 4 43. 姜麗娟(民87)，從英國大學經費分配方式的轉變談大學自主的新模式，比較教育，第45期，87年4月，P82-P91。 5 64. 董保城(民89)，我國大學現今運作困境與未來公法人化之整備，教育研究資訊，第8卷第4期，89年7月，P33-P50。 6 70. 戴曉霞(民89)，新世紀高等教育的展望:回顧與前瞻，教育研究集刊，44輯，89年1月，P35-P57。

 1 非平穩過程之建模與應用 2 長期追蹤資料之分群分析 3 小型台指期貨上市對台股期貨之影響 4 應用隨機積分決定高可靠度產品最適預燒時間之研究 5 使用多變量t分配的穩健性混合模型之貝氏分析 6 多層解析混合自迴歸樹狀空間模型 7 長距相關與結構性改變的多重比較 8 一階格點空間模型之方向相關係數檢定 9 個體異質性模式之母體總數估計 10 監控單一觀測值之多變量製程變異性管制圖 11 重覆捕取實驗中樣本相關性 12 加法風險模式在因子資料遺失下之遺失風險因子 13 累進設限樣本之珈瑪分配 14 修正型BJ估計量及其區域混淆現象 15 國小低年級兒童口語理解能力之表現情形及相關研究

 簡易查詢 | 進階查詢 | 熱門排行 | 我的研究室