导 师: 尹居良
授予学位: 硕士
作 者: ();
机构地区: 暨南大学
摘 要: 本文主要介绍了LASSO的基本理论和分析方法,并将其应用于时间序列模型的变量选择和参数估计问题,从而有效确定时间序列的阶数,避免由相关图的识别带来的主观性。具体来说,首先模拟了若干AR(p)模型,分别用LASSO方法和极大似然估计对模拟数据进行参数估计,证明了LASSO分析方法在时间序列建模上的可行性的同时,发现二者在参数估计上各有优劣之处,其中Adaptive LASSO方法成功筛选出正确的变量,可用于AR模型的预测,并且在低阶的参数估计上Adaptive LASSO方法要优于极大似然估计方法,而较高阶的参数则是极大似然估计方法更准确。在实证部分,选取了上证A股中宝钢股份股票数据,对其开盘价分别建立了一元时间序列和多元时间序列模型并对未来值作出预测,最终LASSO模型的预测结果要优于ARIMA模型,也证明了LASSO分析方法在对复杂的股价时间序列数据建模时依旧有良好的表现。LASSO在获得较为精炼的模型的同时也能保证较为准确的预测精度。更多还原