【摘要】： 本文提出了一套用來對(duì)金融時(shí)間序列的波動(dòng)率進(jìn)行預(yù)測(cè)的且有著較強(qiáng)適應(yīng)性的非參數(shù)GARCH-M建模方法�；谀M數(shù)據(jù)和實(shí)際數(shù)據(jù)對(duì)非參數(shù)GARCH-M模型和簡(jiǎn)單參數(shù)GARCH-M模型的估計(jì)和預(yù)測(cè)效果比較發(fā)現(xiàn),本文提出的非參數(shù)GARCH-M模型在對(duì)波動(dòng)率的估計(jì)和預(yù)測(cè)效果上都顯著的優(yōu)于參數(shù)GARCH-M模型。本文構(gòu)造的非參數(shù)GARCH-M模型是基于前期收益率序列和前期波動(dòng)率估計(jì)序列的雙變量B樣條基回歸方法得出的。在模擬研究中發(fā)現(xiàn),協(xié)分梯度下降算法得出的優(yōu)化模型的擬合效果嚴(yán)重地依賴于迭代次數(shù)M的選擇。本文基于檢驗(yàn)樣本的模型擬合信息準(zhǔn)則Hanna-Quinn的值最小化來選擇迭代次數(shù)M,通過對(duì)模擬數(shù)據(jù)的研究發(fā)現(xiàn)此方法能有效地防止波動(dòng)率估計(jì)出現(xiàn)異常值。在對(duì)模型優(yōu)化的算法上,本文在更新波動(dòng)率估計(jì)的同時(shí)也更新了模型均值方程系數(shù)的估計(jì),并在模擬研究中發(fā)現(xiàn)這能顯著地提高對(duì)均值方程系數(shù)估計(jì)的準(zhǔn)確度。最后基于美國(guó)納斯達(dá)克銀行指數(shù)的實(shí)證分析結(jié)果表明在對(duì)波動(dòng)率的預(yù)測(cè)的效果上,本文提出的B樣條GARCH-M模型顯著的優(yōu)于參數(shù)GARCH-M模型。
【學(xué)位授予單位】：復(fù)旦大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2010
【分類號(hào)】：F224;F830.9
【圖文】：

(4.2)由。廠和f的函數(shù)形式可以看出來，隨機(jī)數(shù)據(jù)模擬過程是非線性的，類似于非參數(shù)的GARCH(2，l)一M過程。由f的函數(shù)表達(dá)式可以看出，條件方差的變動(dòng)符合實(shí)際金融波動(dòng)率的主要特點(diǎn)，如正負(fù)抖動(dòng)反應(yīng)不對(duì)稱性和波動(dòng)率聚集等。下面是任取一次由上面隨機(jī)數(shù)據(jù)模擬過程生成的數(shù)據(jù)時(shí)間序列圖。

實(shí)際金融波動(dòng)率的主要特點(diǎn)，如正負(fù)抖動(dòng)反應(yīng)不對(duì)稱性和波動(dòng)率聚集等。下面是任取一次由上面隨機(jī)數(shù)據(jù)模擬過程生成的數(shù)據(jù)時(shí)間序列圖。圖4一l一1:隨機(jī)生成的一組模擬收益率序列

【引證文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前2條

1 關(guān)藝鋒;中外創(chuàng)業(yè)板的比較研究[D];廣西師范大學(xué);2011年

2 但福金;早秈稻期貨市場(chǎng)流動(dòng)性與波動(dòng)性關(guān)系的實(shí)證研究[D];江西財(cái)經(jīng)大學(xué);2012年

本文編號(hào)：2719914