證券市場(chǎng)自產(chǎn)生以來(lái)就以其價(jià)格的波動(dòng)性為顯著特征,如何準(zhǔn)確描述證券市場(chǎng)價(jià)格行為以確定未來(lái)市場(chǎng)收益率情況是所有投資者及證券市場(chǎng)各利益相關(guān)個(gè)體所關(guān)心的問(wèn)題。因而,對(duì)于波動(dòng)性的定量建模成為對(duì)金融資產(chǎn)波動(dòng)性研究的核心內(nèi)容之一,大量的實(shí)證研究表明,金融數(shù)據(jù)中存在著波動(dòng)集群性和高峰厚尾的ARCH特性,傳統(tǒng)方法建模中用一般的時(shí)間序列模型來(lái)擬合金融數(shù)據(jù)的波動(dòng)性就顯得不太合適,目前,參數(shù)、非參數(shù)、半?yún)?shù)GARCH建模的思想越來(lái)越多地應(yīng)用于金融領(lǐng)域,是目前度量金融市場(chǎng)波動(dòng)性的有力工具之一。其中參數(shù)GARCH模型是最常用的模型,但是參數(shù)GARCH模型本身存在模型誤設(shè)的缺陷,他提前把模型進(jìn)行了設(shè)定。為了解決模型誤設(shè)的問(wèn)題,學(xué)者后來(lái)提出了非參數(shù)GARCH模型,而非參數(shù)GARCH模型存在著“維數(shù)災(zāi)難”和難以對(duì)估計(jì)出的模型進(jìn)行解釋的問(wèn)題,因此,為了彌補(bǔ)參數(shù)GARCH模型和非參數(shù)GARCH模型的缺陷,本文引入了半?yún)?shù)GARCH模型。半?yún)?shù)GARCH模型將參數(shù)部分和非參數(shù)部分有機(jī)地結(jié)合起來(lái),雖然他的預(yù)測(cè)能力可能低于非參數(shù)模型,但它的參數(shù)部分能對(duì)模型進(jìn)行一定的解釋,非參數(shù)部分又能削減估計(jì)值與真實(shí)值之間的誤差。使他成為一種更...

【文章頁(yè)數(shù)】：38 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.1對(duì)上證50對(duì)數(shù)收盤(pán)價(jià)殘差序列的基本統(tǒng)計(jì)情況)

一0.0780.02了由(圖2.1)的收益率的的頻數(shù)圖和統(tǒng)計(jì)特征，我們發(fā)現(xiàn)收益率的分布是右偏的，峰值大于3，因此序列具有尖峰后尾性，同時(shí)J一B統(tǒng)計(jì)量的概率為零拒絕原假設(shè)(H:序列服從正態(tài)分布)，也說(shuō)明殘差序列不是正態(tài)分布。由(表2.l)Q(6)、Q(12)分別是6期、12期助u....

圖2.2殘差分布圖)

通過(guò)(表2.3)對(duì)殘差的平方的與ung一Box修正Q統(tǒng)訓(xùn)‘量觀察我們發(fā)現(xiàn)，L一B統(tǒng)計(jì)量的概率小于1%，從而我們拒絕原假設(shè)，認(rèn)為殘差的平方有一顯著的相關(guān)性。而對(duì)殘差分布圖(圖2.2)進(jìn)行觀察我們也口」以看出序列存在明顯的波動(dòng)率聚類(lèi)(Volatilityc!uster)(在開(kāi)始的時(shí)間....

圖2.3殘差平方的相關(guān)性檢驗(yàn)圖)

蘭州大學(xué)2010屆碩士學(xué)位論文)這說(shuō)明誤差項(xiàng)可能具有條件異方差性。我們對(duì)隨機(jī)游走模型進(jìn)行條件異方RCHLM(拉格朗日乘子)檢驗(yàn)，得到滯后p=3時(shí)的ARCHLM檢驗(yàn)結(jié)果(表2.4ARCHLM檢驗(yàn))FFF一statistie10.98390Probability0.00000000o....

圖2.4真實(shí)波動(dòng)率和擬合波動(dòng)率的對(duì)比圖)

型和擬合圖形，并通過(guò)白噪聲檢驗(yàn)可見(jiàn)服從學(xué)生t分布的GARCH(1，l)模型是效的且可以對(duì)原始數(shù)據(jù)進(jìn)行很好的擬合，因此可用此模型對(duì)上證50的收盤(pán)價(jià)動(dòng)率進(jìn)行預(yù)測(cè)和分析。

本文編號(hào)：3917344