| dc.contributor.advisor | 陳樹衡 | zh_TW |
| dc.contributor.author (Authors) | 譚經緯 | zh_TW |
| dc.creator (作者) | 譚經緯 | zh_TW |
| dc.date (日期) | 2000 | en_US |
| dc.date.accessioned | 1-Apr-2016 17:14:04 (UTC+8) | - |
| dc.date.available | 1-Apr-2016 17:14:04 (UTC+8) | - |
| dc.date.issued (上傳時間) | 1-Apr-2016 17:14:04 (UTC+8) | - |
| dc.identifier (Other Identifiers) | A2002000473 | en_US |
| dc.identifier.uri (URI) | http://nccur.lib.nccu.edu.tw/handle/140.119/83851 | - |
| dc.description (描述) | 博士 | zh_TW |
| dc.description (描述) | 國立政治大學 | zh_TW |
| dc.description (描述) | 經濟學系 | zh_TW |
| dc.description.abstract (摘要) | 當研究者手中擁有許多預測模型可供其選擇時，如何在一公正客觀的環境下，作模型的評估與最後的選擇，而不會流於因資料過於特定而使其結論不夠穩固？本文即依此目的，建立了一套預測模型選擇的評估程序（詳見第三章或流程圖一）；基本概念上，這是一套可跨樣本、樣本資料長度可不同，且具大樣本漸次特性的「隨機資料」評估方式。然而，候選模型的考慮，完全端視使用者基本之信仰與考量；本文即選擇了八大類各具代表性之模型：Random Walks、Linear ARMA、State Space ARMA、ARFIMA、Markov Switching、GARCH、N_N_AR與N_N_Wavelets（詳見第二章），前四種屬於線性模型，後四種則為非線性模型，同時以Random Walks模型為比較標竿（benchmark），用以預測國際股價指數「每日」資料（共11國，參見表三）與「每分鐘」資料（共10國，參見表四）之報酬率，模型預測績效之評估方式則利用三種指標：MSE、MAE與MAPE。另外本文特色是清楚的將八大類模型所使用的軟體（主程式包含Matlab、SAS、Ox與Excel）其來源與特色加以簡介說明（參見表一與第二章，其中有相當比例為學術專用的免費共享軟體），以期對有興趣再行深入研究的人員能有跡可尋，將可大量縮減其程式規劃之時間，充分達到資源共享與專業分工的目的。 | zh_TW |
| dc.description.tableofcontents | 封面頁證明書謝詞論文摘要目錄第一章 動機與目的第二章 預測模型理論回顧第一節 隨機走勢（Random Walks）模型第二節 線性ARMA模型第三節 狀態空間(State Space ARMA(3,0)) 模型第四節 分數整合(Fractional Integration，ARFIMA(3,d,0)) 模型第五節 體制改變(Markov Switching，MSMean(2)-AR(4)) 模型第六節 變異數非齊一(GARCH(1,1)) 模型第七節 類神經網路自我迴歸(N_N_AR(10)) 模型第八節 類神經網路小波轉換(N_N_Wavelets) 模型第三章 實證分析架構第一節 資料說明第二節 實證程序設計第四章 實證結果分析第一節 改變資料視窗長度第二節 改變訓練集合觀察值數目之比例第五章 結論與建議表圖註解參考文獻 | zh_TW |
| dc.source.uri (資料來源) | http://thesis.lib.nccu.edu.tw/record/#A2002000473 | en_US |
| dc.title (題名) | 時間序列模型的一場大規模預測測試 | zh_TW |
| dc.title (題名) | Toward a Large-Scale Forecasting Tournaments on Time Series Models | en_US |
| dc.type (資料類型) | thesis | en_US |
