论文部分内容阅读
本文对基于状态空间模型的金融时间序列预测方法进行了研究。主要工作如下：
1、首先介绍了状态空间模型、Kalman滤波器、Kalman预报器、Kalman平滑器、最优固定区间平滑、稳态Kalman滤波及其渐近稳定性等理论。
2、详细介绍了利用Kalman滤波、最优固定区间平滑、预报误差分解似然函数以及EM算法融为一体的递推迭代方法，最大限度地利用全部时间序列数据得到的参数估计。
3、分别用乘积季节模型和状态空间模型对非平稳时间序列建模，并以城乡居民存款月余额数据为研究对象，比较预测结果。
4、乘积季节模型中通过指定P=或Q=选项为括号内的一列时间间隔，控制让哪些时间间隔上具有参数，这样得到的子集模型比传统的模型好，预测精度更高。