隨著21世紀(jì)的到來,經(jīng)濟(jì)逐漸全球化,中國經(jīng)濟(jì)也隨之迅猛發(fā)展。與此同時(shí),中國的金融市場也逐漸規(guī)范化,其中對于股票市場,經(jīng)過了幾次股市震蕩后,散戶數(shù)量逐漸減少,大部分股票開始隨市場行情和上市公司狀況波動(dòng),因此反應(yīng)大盤趨勢的指數(shù)股走勢逐漸平穩(wěn),整個(gè)金融市場也逐漸成熟,許多數(shù)據(jù)都逐漸呈現(xiàn)可估計(jì)、可預(yù)測的趨勢。同時(shí),目前的研究更偏向于參數(shù)方法,而實(shí)際上參數(shù)方法往往不能適應(yīng)諸多金融曲線。于是,許多研究者便著眼于非參數(shù)和半?yún)?shù)模型。本文在此背景下,選擇從非參數(shù)的角度出發(fā),研究非參數(shù)統(tǒng)計(jì)的相關(guān)內(nèi)容。針對固定窗寬難以處理復(fù)雜數(shù)據(jù)尤其稀疏密集差距大的數(shù)據(jù)的缺點(diǎn),提出變窗寬估計(jì),并證明了變窗寬方法較固定窗寬和其他擬合方法有一定的優(yōu)勢。再將其應(yīng)用于金融模型中,通過對實(shí)際數(shù)據(jù)的模擬,證明了變窗寬方法要好于固定窗寬,且較相應(yīng)領(lǐng)域經(jīng)典方法也有一定的優(yōu)勢。該結(jié)論可以為以后的非參數(shù)方法應(yīng)用提供一種優(yōu)化思路,這也是論文的主要目的。具體的,論文從最基礎(chǔ)的直方圖估計(jì)入手,介紹非參數(shù)回歸的基本理論和經(jīng)典N-W核回歸的推導(dǎo)過程,之后詳細(xì)介紹了求出窗寬的Cross-Validation方法,并說明了其優(yōu)秀的性質(zhì)。然后論文簡介了兩種... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．１：?２００７年７月至２０２０年１月Ｋ線圖??股票的研究又分基本面和技術(shù)面兩個(gè)方面，基本面主要是研宄行情、大盤走勢、國??家政策和上市公司經(jīng)營狀況等

?山東大學(xué)碩士學(xué)位論文???可。??缺點(diǎn)是：一、具有局限性，在很多場合難以使用，比如后文中需要使用非參數(shù)金融模型??作預(yù)測時(shí)該方法難以發(fā)揮。二、對于標(biāo)準(zhǔn)窗寬ＩＩ，原文中Ｕ等于各個(gè)觀測時(shí)間差值的標(biāo)??準(zhǔn)差，但很多數(shù)據(jù)中時(shí)間參數(shù)是等距的，所以往往難以找到合適的方法求得標(biāo)準(zhǔn)窗寬。??經(jīng)過下文的數(shù)據(jù)模擬驗(yàn)證后，發(fā)現(xiàn)兩個(gè)方法在實(shí)際模擬中效果差不多，但基于第二??種方法的局限性，選擇使用第一種方法。??３．２與固定窗寬的對比模擬??在將以上內(nèi)容代入金融模型前，有必要觀察其擬合情況，于是下文即作數(shù)據(jù)擬合。??模擬主要分為兩個(gè)：一是針對數(shù)據(jù)稀疏密集差距較大時(shí)，即便為走勢平穩(wěn)的曲線固定??窗寬也很難擬合完美，以此證明固定窗寬的局限性和變窗寬的優(yōu)秀性，這里采用的是??標(biāo)準(zhǔn)正態(tài)曲線。二是針對的波動(dòng)較大的實(shí)際曲線，以此證明變窗寬的適應(yīng)性，這里采用??的是某股票收盤價(jià)格的實(shí)際曲線。??先進(jìn)行第一個(gè)模擬，對于平滑曲線，如果使用的數(shù)據(jù)稀疏密集差距較大，固定窗寬??也會有擬合效果不理想的情況［１７】。??模擬選擇標(biāo)準(zhǔn)正態(tài)曲線，取值方法是精度為０．０１在（－１０，１０）上抽�。保担皞�(gè)不同的數(shù)??值而，ｉ?＝?１５０，其中區(qū)間（－１０，－５）和（５，１０）各有６５個(gè)樣本數(shù)據(jù)，而區(qū)間（－５，５）里只??有２０個(gè)樣本數(shù)據(jù)。代入標(biāo)準(zhǔn)正態(tài)的概率密度函數(shù)中得到＝?１５０。使用固定窗寬??擬合效果圖如圖３．１。??固定窗寬??■ＤＴ??￣Ｉ?Ｉ?Ｉ?Ｉ?Ｉ??－１０?－５?０?５?１０??ｘ??圖３．１：固定窗寬模擬圖??－１８－??

?山東大學(xué)碩士學(xué)位論文???可以很明顯的看出，該擬合在數(shù)據(jù)較為稀疏的部分有明顯的擬合不足。原因就在于??所有地方取的窗寬都一樣，導(dǎo)致在中間部分的窗寬內(nèi)，數(shù)據(jù)數(shù)量不足以描述清楚這部??分曲線。發(fā)現(xiàn)了固定窗寬的缺陷后，考慮使用變窗寬方法，這里使用Ｓｌｉｖｅｒｍａｎ的經(jīng)典??變窗寬方法，擬合圖如圖３．２。??可變窗寬??．０１］??￣Ｔ?Ｉ?Ｉ?Ｉ?Ｉ￣??－１０?－５?０?５?１０??ｘ??圖３．２：變窗寬模擬圖??可以明顯看出可變窗寬模擬效果要好于固定窗寬，接近完美擬合，原因在于使用變??窗寬方法時(shí)，數(shù)據(jù)較少的部分窗寬也較小，于是可以更好的描述這部分曲線。上面的小??例子就可以很好的顯示固定窗寬存在的問題，該問題變窗寬可以解決，說明了部分情??況使用變窗寬方法的必要性。??再使用真實(shí)數(shù)據(jù)，即對股票數(shù)據(jù)擬合模擬，這里取華西證券２０１８年４月３０日到２０１９??年９月３０日的時(shí)間和收盤價(jià)格的關(guān)系圖，把時(shí)間和收盤價(jià)格看成隨機(jī)變量Ｘ和Ｙ進(jìn)行??模擬。觀察可以發(fā)現(xiàn)該曲線具有多峰特征且有一定的波動(dòng)趨勢。圖３．３為固定窗寬的擬??合效果圖，其中通過Ｃ－Ｖ法求出ｈ＝２．８４７８５，藍(lán)線為原曲線，紅線為擬合曲線（后同），??使用的軟件是Ｒ。??－１９－??

【參考文獻(xiàn)】：
期刊論文
[1]SVAR-GARCH模型的多元波動(dòng)率估計(jì)[J]. 謝鵬飛,冶繼民,王俊元.  吉林大學(xué)學(xué)報(bào)(理學(xué)版). 2019(06)
[2]基于非參數(shù)Copula-CVaR模型的碳金融市場集成風(fēng)險(xiǎn)測度[J]. 柴尚蕾,周鵬.  中國管理科學(xué). 2019(08)
[3]上證50ETF期權(quán)隱含波動(dòng)率曲面的非參數(shù)擬合[J]. 謝智敏.  市場周刊. 2019(06)
[4]基于非參數(shù)條件自回歸極差模型的中國股市波動(dòng)性預(yù)測[J]. 魯萬波,于翠婷,王敏.  數(shù)理統(tǒng)計(jì)與管理. 2018(03)
[5]自適應(yīng)N-W核回歸估計(jì)量的改進(jìn)[J]. 張穎.  統(tǒng)計(jì)與決策. 2018(05)
[6]基于非參數(shù)自回歸模型的黃金價(jià)格短期分析預(yù)測[J]. 劉鋒,王鵬飛,譚祥勇,康新梅.  數(shù)理統(tǒng)計(jì)與管理. 2018(02)
[7]基于非參數(shù)核估計(jì)方法的均值-VaR模型[J]. 黃金波,李仲飛,丁杰.  中國管理科學(xué). 2017(05)
[8]混合分布的VaR非參數(shù)估計(jì):對期貨市場的實(shí)證分析[J]. 肖佳文,楊政.  系統(tǒng)工程學(xué)報(bào). 2016(04)
[9]影響我國股票價(jià)格指數(shù)的宏觀因素分析[J]. 閆琛.  中國經(jīng)貿(mào)導(dǎo)刊. 2016(09)
[10]穩(wěn)健非參數(shù)VaR建模及風(fēng)險(xiǎn)量化研究[J]. 解其昌.  中國管理科學(xué). 2015(08)

博士論文
[1]金融資產(chǎn)價(jià)格波動(dòng)的非參數(shù)模型及其應(yīng)用研究[D]. 曹陽.吉林大學(xué) 2014



本文編號：3465101