• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Environmental and Computer Science >Bayesian modelling volatility of growth rate in atmospheric carbon dioxide concentrations
【24h】

Bayesian modelling volatility of growth rate in atmospheric carbon dioxide concentrations

机译：大气二氧化碳浓度增长速率的贝叶斯建模波动

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Atmospheric gases, such as carbon dioxide, ozone, methane, nitrous oxide, and etc., create a natural greenhouse effect and cause climate change. Therefore, modelling behavior of these gases could help policy makers to control greenhouse effects. In a Bayesian frame work, we analyse and model conditional variance of growth rate in atmospheric carbon dioxide concentrations (ACDC) using monthly data from a subset of the well known Mauna Loa atmosphere carbon dioxide record. The conditional variance of ACDC monthly growth rate is modelled using the autoregressive conditional heteroscedasticity (ARCH), generalized ARCH model (GARCH) and a few variants of stochastic volatility (SV) models. The latter models are shown to be able to capture the dynamics in the conditional variance in ACDC level growth rate and to improve the out-of-sample forecast accuracy of ACDC growth rate.
机译：大气气体，如二氧化碳，臭氧，甲烷，氧化亚氮等，产生自然温室效应并引起气候变化。因此，这些气体的建模行为可以帮助政策制定者控制温室效应。在贝叶斯框架工作中，我们使用来自众所周知的Mauna Loa气氛二氧化碳记录的每月数据分析和模拟大气二氧化碳浓度（ACDC）中生长速率的条件方差。 ACDC每月增长率的条件方差是使用自回归条件异素形状（ARCH），广义拱形模型（GARCH）和随机挥发性（SV）模型的几种变体进行建模的。后一种型号被证明能够捕获ACDC级增长速率的条件方差的动态，并改善ACDC增长率的样本预测精度。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号