本文介紹了一種將神經(jīng)網(wǎng)絡(luò)應(yīng)用于金融時間序列建模的新方法NN-GARCH模型。它是一個在均值方程中具有非線性神經(jīng)網(wǎng)絡(luò)參數(shù)，方差方程中具有線性GARCH參數(shù)的模型。它與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)“黑箱子”的研究方法不同，它的優(yōu)點(diǎn)是每一步建模過程都被清楚的論證并且實(shí)施，輸入變量的選擇、神經(jīng)網(wǎng)絡(luò)隱含單元的個數(shù)都是通過嚴(yán)格的檢驗(yàn)得到的。為了能夠同時模擬出數(shù)據(jù)生成過程的條件均值和方差變異性，該模型超越了神經(jīng)網(wǎng)絡(luò)函數(shù)單純近似的功能，將它推廣到統(tǒng)計(jì)建模的高度，從而把神經(jīng)網(wǎng)絡(luò)技術(shù)引入到當(dāng)今計(jì)量經(jīng)濟(jì)研究領(lǐng)域的核心中來。通過文中推薦的NN-GARCH模型不僅可以找出目標(biāo)變量和解釋變量之間的函數(shù)關(guān)系，還可以捕獲條件分布的其它有趣特征。本文主要介紹NN-GARCH模型的完整建模方法，包括模型參數(shù)的選擇、估計(jì)和最終方程的評價，還特別討論了估計(jì)模型的樣本內(nèi)錯誤設(shè)定檢驗(yàn)（殘差自相關(guān)，忽略的非線性以及忽略的異方差等因素）。基于極大似然理論，通過設(shè)計(jì)NN-GARCH模型框架下的統(tǒng)計(jì)推斷過程，可以使建模者恰當(dāng)?shù)臋z驗(yàn)概率分布的均值和方差結(jié)構(gòu)。為了保證在不同的錯誤設(shè)定形式下（結(jié)構(gòu)或分布方面）的檢驗(yàn)都是有效的，本文還采用了經(jīng)典的LM統(tǒng)計(jì)量。... 

【文章來源】：天津財(cái)經(jīng)大學(xué)天津市

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【部分圖文】：

隱藏單元構(gòu)造示意圖

用于估計(jì)模型，后27個數(shù)據(jù)(2007/3/1一2007/4/6)用來評價模型的質(zhì)量。圖4.1和圖4.3分別給出了整個樣本區(qū)間內(nèi)滬深300指數(shù)和其收益率的統(tǒng)計(jì)特征圖。觀察到圖4.3收益率序列具有很高的異方差性，它是以超出變異度的上下區(qū)間為特征的。圖4.2和圖4.4給出了樣本數(shù)據(jù)的描述性統(tǒng)計(jì)量，從圖4.2和圖4.4可以看到，樣本的分布高度偏離正態(tài)曲線標(biāo)準(zhǔn)，并具有典型的尖峰厚尾特征，這種現(xiàn)象在金融時間序列的研究中是非常普遍的。

用于估計(jì)模型，后27個數(shù)據(jù)(2007/3/1一2007/4/6)用來評價模型的質(zhì)量。圖4.1和圖4.3分別給出了整個樣本區(qū)間內(nèi)滬深300指數(shù)和其收益率的統(tǒng)計(jì)特征圖。觀察到圖4.3收益率序列具有很高的異方差性，它是以超出變異度的上下區(qū)間為特征的。圖4.2和圖4.4給出了樣本數(shù)據(jù)的描述性統(tǒng)計(jì)量，從圖4.2和圖4.4可以看到，樣本的分布高度偏離正態(tài)曲線標(biāo)準(zhǔn)，并具有典型的尖峰厚尾特征，這種現(xiàn)象在金融時間序列的研究中是非常普遍的。

【參考文獻(xiàn)】：
期刊論文
[1]基于GARCH模型與ANN技術(shù)組合的匯率預(yù)測[J]. 劉潭秋,謝赤.  科學(xué)技術(shù)與工程. 2006(23)
[2]滬深300指數(shù)的實(shí)證研究[J]. 胡振華,吳華.  金融經(jīng)濟(jì). 2006(08)
[3]非線性時序模型LM檢驗(yàn)的兩類臨界值檢驗(yàn)統(tǒng)計(jì)功效比較[J]. 錢爭鳴,艾舍萊福,郭鵬輝.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2006(01)
[4]ANN-GARCH混合模型的理論嘗試[J]. 陶慶梅.  工業(yè)技術(shù)經(jīng)濟(jì). 2005(09)
[5]非線性協(xié)整建模研究及滬深股市實(shí)證分析[J]. 樊智,張世英.  管理科學(xué)學(xué)報(bào). 2005(01)
[6]基于神經(jīng)網(wǎng)絡(luò)技術(shù)的股指預(yù)測模型及實(shí)證分析[J]. 高振坤,熊正德.  財(cái)經(jīng)理論與實(shí)踐. 2005(01)
[7]股票價格預(yù)測:GARCH模型與BP神經(jīng)網(wǎng)絡(luò)模型的比較[J]. 崔建福,李興緒.  統(tǒng)計(jì)與決策. 2004(06)
[8]中國股市波動性過程中的長期記憶性實(shí)證研究[J]. 王春峰,張慶翠.  系統(tǒng)工程. 2004(01)
[9]基于GARCH模型族的中國股市波動性預(yù)測[J]. 李亞靜,朱宏泉,彭育威.  數(shù)學(xué)的實(shí)踐與認(rèn)識. 2003(11)
[10]人工神經(jīng)元BP網(wǎng)絡(luò)在股市預(yù)測方面的應(yīng)用[J]. 吳成東,王長濤.  控制工程. 2002(03)



本文編號：2959667