傳統(tǒng)的計量經(jīng)濟學是我們研究分析數(shù)理金融的主流工具,其中的許多模型假定選取的樣本滿足同方差條件,然而隨著金融理論的發(fā)展和實證工作的深入,我們發(fā)現(xiàn)這一假設并不合理。1982年,在研究英國通貨膨脹的問題時,Engel就如何實時的精確測量波動,動態(tài)刻畫收益率的異方差問題提出了ARCH模型(Autoregressive conditional heteroskedasticity model),從而為有效地解決上述問題提供了新的途徑。由于ARCH族模型能夠?qū)鹑陲L險較以往的模型進行更為精確的刻畫,因此成為了目前描述金融風險的主要模型。但ARCH族模型的精確性取決于其參數(shù)估計的精確性,所以ARCH模型參數(shù)估計方法的改進成為目前制約其進一步應用的關鍵因素。 對于傳統(tǒng)的線性模型,參數(shù)的主要估計方法有最小二乘估計法、極大似然估計法以及矩估計法,分別適用于不同情況下的模型參數(shù)估計。由于極大似然估計具有較好的分布適用性,近年來逐漸成為計量模型較為常用的參數(shù)估計方法。但ARCH族模型為典型非線性模型,因此在進行極大似然估計時,往往受限于最優(yōu)解的算法：無法找到最優(yōu)解或唯一解。目前對金融數(shù)據(jù)的研究則多采用準極大似...

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 引言
    1.1 本文研究的意義及目的
    1.2 國內(nèi)外文獻綜述
    1.3 本文的組織結(jié)構(gòu)與主要的研究內(nèi)容
    1.4 本文的創(chuàng)新點和不足
2 ARCH模型參數(shù)估計方法介紹
    2.1 極大似然估計方法估計ARCH模型參數(shù)
        2.1.1. 極大似然估計方法介紹
        2.1.2 極大似然估計方法估計ARCH模型參數(shù)的方法介紹
        2.1.3 極大似然估計方法估計ARCH模型參數(shù)的優(yōu)缺點
    2.2 隨機加權(quán)法估計ARCH模型參數(shù)
        2.2.1 隨機加權(quán)理論介紹
        2.2.2 隨機加權(quán)方法優(yōu)點
3 隨機加權(quán)法線性估計的原理與應用條件
    3.1 隨機加權(quán)的原理
    3.2 隨機加權(quán)法線性估計的應用條件
4 數(shù)據(jù)模擬進行ARCH模型參數(shù)估計
    4.1 利用隨機加權(quán)法估計參數(shù)的理論介紹
    4.2 隨機加權(quán)法進行參數(shù)估計
        4.2.1 比較隨機加權(quán)法與極大似然估計的參數(shù)估計結(jié)果
        4.2.2 改變滯后項系數(shù)再次進行比較
5 實證分析
    5.1 隨機加權(quán)法模擬數(shù)據(jù)的相關實證分析
    5.2 極大似然法估計數(shù)據(jù)的相關實證分析
6 結(jié)論
附錄
參考文獻
后記



本文編號：3860354