การวิเคราะห์ข้อมูลอนุกรมเวลาด้วยการถดถอยแบบไม่ใช้พารามิเตอร์สำหรับตัวแบบความผันผวนอัตสหสัมพันธ์ไม่เชิงเส้น

บทคัดย่อ

วัตถุประสงค์ของการวิจัยนี้คือการเปรียบเทียบการประมาณค่าของแบบจำลอง NonLinear AutoRegressive (NLAR) และแบบจำลอง Conditional Heteroscedastic Nonlinear Autoregressive (CHNLAR) กับวิธีการ Smoothing Spline (SS) และ Penalized Spline (PS) ในคลาสของวิธีการถดถอยแบบไม่ใช้พารามิเตอร์ แบบจำลอง NLAR ประกอบด้วยตัวแปรตอบสนองและฟังก์ชันของตัวแปรทำนายเป็นค่าอดีตของตัวแปรตอบสนอง แบบจำลอง CHNLAR ประกอบด้วยฟังก์ชันของแนวโน้มและ heteroscedastic (ความผันผวน) เป็นค่าอดีตของตัวแปรตอบสนองที่ค่าล่าช้า 1 นอกจากนี้ วิธีการถดถอยแบบไม่ใช้พารามิเตอร์ยังได้รับการพัฒนาเทคนิคการปรับให้เรียบซึ่งสร้างค่าที่เรียบขึ้นโดยอิงจากแบบจำลอง NLAR และ CHNALR วิธี SS และ PS ถูกคำนวณเพื่อให้พอดีกับแบบจำลอง NLAR และ CHNLAR กับข้อมูลอนุกรมเวลาคงที่และไม่คงที่ สำหรับการศึกษาการจำลองแบบจำลอง NLAR ข้อมูลจะถูกสร้างโดยกระบวนการปรับถดถอยอัตโนมัติที่มีค่าสัมประสิทธิ์สหสัมพันธ์อัตโนมัติและขนาดตัวอย่างหลายค่า ประสิทธิภาพของวิธี SS และ PS จะใช้เกณฑ์โดยการลดค่า Mean Square Error (MSE) เฉลี่ยให้เหลือน้อยที่สุด วิธี SS แสดงให้เห็นการประมาณค่ากำลังไฟฟ้าที่ดีในทุกกรณีของข้อมูลคงที่และไม่คงที่ สำหรับข้อมูลเศรษฐกิจ ราคาทองคำเป็นปัจจัยสำคัญสำหรับตลาดโลกเกือบทั้งหมด จากนั้นจึงใช้ราคาทองคำ (ดอลลาร์สหรัฐต่อทรอยออนซ์) โดยใช้วิธี SS และ PS ที่รวบรวมตามปริมาณรายเดือนตั้งแต่เดือนมกราคม 1984 ถึงเดือนธันวาคม 2013 ผลลัพธ์ที่ได้คือ วิธี SS ทำงานได้ดีกว่าวิธี PS ซึ่งให้ผลลัพธ์ที่คล้ายคลึงกันในกรณีของการศึกษาจำลอง สำหรับการศึกษาจำลองของแบบจำลอง CHNLAR ข้อมูลจะถูกจำลองโดยใช้ฟังก์ชันแนวโน้มและเฮเทอโรสเคดาสติก ประสิทธิภาพของวิธี SS และ PS จะใช้การทดสอบสมมติฐานโดยใช้ค่าอคติของตัวประมาณแนวโน้มและเฮเทอโรสเคดาสติก วิธี SS และ PS แสดงให้เห็นการประมาณค่ากำลังไฟฟ้าที่ดีในกรณีส่วนใหญ่ของข้อมูลที่สร้างขึ้น สำหรับข้อมูลจริง ราคาทองคำ (ดอลลาร์สหรัฐต่อออนซ์ทรอย) จะถูกนำไปใช้โดยใช้วิธี SS และ PS ผลลัพธ์แสดงให้เห็นว่าวิธี SS ให้ผลใกล้เคียงกับวิธี PS ซึ่งให้ผลลัพธ์ที่คล้ายคลึงกันในกรณีของการศึกษาจำลอง

คำสำคัญ