在金融領(lǐng)域,自適應(yīng)Lasso被廣泛的用于股票價(jià)格預(yù)測模型中的變量選擇和參數(shù)估計(jì)。然而,自適應(yīng)Lasso是針對(duì)非時(shí)間序列模型提出的,忽略了時(shí)間序列模型特定的結(jié)構(gòu),比如時(shí)間序列模型中通常會(huì)出現(xiàn)滯后階數(shù)越靠后,對(duì)未來的預(yù)測能力越弱的特性,從而,容易造成估計(jì)及預(yù)測不精確。因此,時(shí)間序列模型的變量選擇懲罰參數(shù)的設(shè)計(jì)應(yīng)與滯后階數(shù)相關(guān),即對(duì)越靠后的滯后階數(shù)應(yīng)加上越大的懲罰。為了充分考慮時(shí)間序列模型的特性且保留自適應(yīng)Lasso的優(yōu)點(diǎn),本文針對(duì)時(shí)間序列AR（p）模型提出一種改進(jìn)的自適應(yīng)Lasso（MA Lasso）方法,通過在自適應(yīng)Lasso懲罰基礎(chǔ)上乘以一個(gè)關(guān)于滯后階數(shù)單調(diào)不減的函數(shù)來達(dá)到目標(biāo)。這樣設(shè)計(jì)的懲罰參數(shù)的另一個(gè)優(yōu)點(diǎn)是通過選取特定的懲罰參數(shù),Lasso,自適應(yīng)Lasso方法都是MA Lasso方法的特例。進(jìn)一步,對(duì)于AR（p）模型中另一個(gè)重要參數(shù)p的選擇問題,本文提出一種改進(jìn)的BIC模型準(zhǔn)則來選擇p。最后,將MA Lasso方法應(yīng)用到中證100指數(shù)中,實(shí)證分析表明,與Lasso和自適應(yīng)Lasso相比,MA Lasso選擇最簡模型且預(yù)測效果最佳,即選擇最少的預(yù)測變量的同時(shí)且具有最小的模型預(yù)測誤差... 

【文章來源】：數(shù)理統(tǒng)計(jì)與管理. 2019,38(04)北大核心CSSCI

【文章頁數(shù)】：11 頁

【部分圖文】：

圖收盤價(jià)~嘟嶸分序列的擇本自湘關(guān)圈捉言圈)和樣本偏自相)贅

７５６??數(shù)理統(tǒng)計(jì)與管理??第３８卷第４期２０１９年７月??２０１６年３月－２０１８年２月??圖１中證１００揞數(shù)曰牧盤價(jià)財(cái)??２０１６年３月－２０１８年２月??圖２中證ｉｏ＿＿ｑ指數(shù)日牧盤價(jià)?＇－階差分時(shí)療：圖．??為了得到平穩(wěn)的樣本時(shí)間序列以滿足建立ＡＲＭ模型的要求，對(duì)原觀測值序列進(jìn)行一階??差分處理，得到如圖２所示的４８８個(gè)觀測數(shù)據(jù)．應(yīng)用ＡＤＦ單位根檢驗(yàn)法對(duì)一階差分后的觀測??序列進(jìn)行Ｔ＊穩(wěn)性檢驗(yàn)，其尸值為〇．〇１，因此，本文將利用中證１〇〇指數(shù)２０１６年３月至２０１８??年２月Ｈ收盤價(jià)一階差分值作為模型預(yù)測的被解釋變最，記為貨；滯后ｐ階的Ｈ收盤價(jià)一階??差分值作為解釋變暈，記為價(jià)—ｉ，…＾??３．２．２?型階??接下來，我們對(duì)ｙ收盤價(jià)一階差分序列貨繪制滯后３０期的樣本相關(guān)圖（ＡＣＦ）和樣本??偏ｆｔ相關(guān)圖（ＰＡ．ＣＦ）來探究ＡＲ（Ｐ）擬合模型的階數(shù)，結(jié)果如圖３所示。??Ｓｅｒｉｅｓ?ｄｉｆｆｙ??Ｏ?＿??００?＿??ｌＯ?＿??？ｓ－??ｆＮ?＿??ｉｎ??ｏ??ｍ??ｑ?－??Ｓｅｒｉｅｓ?ｄｉｆｆｙ??＿ｌ！??Ｌａｇ?Ｌａｇ??圖３曰＿收盤費(fèi)＿崎開差分序列＝＿樣本食相關(guān)擁（左顏）：和樣本偏自相關(guān)獨(dú)７?（右圖）??由圖３可以看出，樣本齊相關(guān)圖體現(xiàn)出拖尾情況，進(jìn)一步說明該Ｈ收盤價(jià)一階差分值序列??符合ＡＥ＃）模型的選擇？由于樣本偏ｆｔ相關(guān)？?（ＰＡＣＦ）呈現(xiàn)小值振蕩的情況，為了更準(zhǔn)確地??確定ＡＲ（ｐ）模型的階數(shù)，本文取１．０１，最大的模型階］為取整函數(shù)）．對(duì)??各階模型的ＡｆＢＪＣ值繪圖如圖４所示，ｒｔｌ圖４可知，ＭＢＪＣ選擇的ＡＲ㈦模型階數(shù)為１２，??００?Ｌｐｌｎ

７５６??數(shù)理統(tǒng)計(jì)與管理??第３８卷第４期２０１９年７月??２０１６年３月－２０１８年２月??圖１中證１００揞數(shù)曰牧盤價(jià)財(cái)??２０１６年３月－２０１８年２月??圖２中證ｉｏ＿＿ｑ指數(shù)日牧盤價(jià)?＇－階差分時(shí)療：圖．??為了得到平穩(wěn)的樣本時(shí)間序列以滿足建立ＡＲＭ模型的要求，對(duì)原觀測值序列進(jìn)行一階??差分處理，得到如圖２所示的４８８個(gè)觀測數(shù)據(jù)．應(yīng)用ＡＤＦ單位根檢驗(yàn)法對(duì)一階差分后的觀測??序列進(jìn)行Ｔ＊穩(wěn)性檢驗(yàn)，其尸值為〇．〇１，因此，本文將利用中證１〇〇指數(shù)２０１６年３月至２０１８??年２月Ｈ收盤價(jià)一階差分值作為模型預(yù)測的被解釋變最，記為貨；滯后ｐ階的Ｈ收盤價(jià)一階??差分值作為解釋變暈，記為價(jià)—ｉ，…＾??３．２．２?型階??接下來，我們對(duì)ｙ收盤價(jià)一階差分序列貨繪制滯后３０期的樣本相關(guān)圖（ＡＣＦ）和樣本??偏ｆｔ相關(guān)圖（ＰＡ．ＣＦ）來探究ＡＲ（Ｐ）擬合模型的階數(shù)，結(jié)果如圖３所示。??Ｓｅｒｉｅｓ?ｄｉｆｆｙ??Ｏ?＿??００?＿??ｌＯ?＿??？ｓ－??ｆＮ?＿??ｉｎ??ｏ??ｍ??ｑ?－??Ｓｅｒｉｅｓ?ｄｉｆｆｙ??＿ｌ！??Ｌａｇ?Ｌａｇ??圖３曰＿收盤費(fèi)＿崎開差分序列＝＿樣本食相關(guān)擁（左顏）：和樣本偏自相關(guān)獨(dú)７?（右圖）??由圖３可以看出，樣本齊相關(guān)圖體現(xiàn)出拖尾情況，進(jìn)一步說明該Ｈ收盤價(jià)一階差分值序列??符合ＡＥ＃）模型的選擇？由于樣本偏ｆｔ相關(guān)？?（ＰＡＣＦ）呈現(xiàn)小值振蕩的情況，為了更準(zhǔn)確地??確定ＡＲ（ｐ）模型的階數(shù)，本文取１．０１，最大的模型階］為取整函數(shù)）．對(duì)??各階模型的ＡｆＢＪＣ值繪圖如圖４所示，ｒｔｌ圖４可知，ＭＢＪＣ選擇的ＡＲ㈦模型階數(shù)為１２，??００?Ｌｐｌｎ

【參考文獻(xiàn)】：
期刊論文
[1]股市波動(dòng)長期成分與宏觀基本面的非線性格蘭杰因果檢驗(yàn)[J]. 尚玉皇,鄭挺國.  數(shù)理統(tǒng)計(jì)與管理. 2018(06)
[2]稀疏VAR在股票收益率研究的應(yīng)用[J]. 胡亞南,張?zhí)仗?李蕾,田茂再.  數(shù)理統(tǒng)計(jì)與管理. 2017(04)
[3]收益率基于AEPD分布的股票價(jià)格模型及其歐式期權(quán)定價(jià)[J]. 武康平,田昕明,李柳玲.  數(shù)理統(tǒng)計(jì)與管理. 2016(03)
[4]我國金融市場發(fā)展與金融監(jiān)管體制改革[J]. 楊娉.  南方金融. 2015(12)
[5]時(shí)序數(shù)據(jù)曲線排齊的相關(guān)性分析方法[J]. 姜高霞,王文劍.  軟件學(xué)報(bào). 2014(09)
[6]基于AR模型的Kalman濾波在股票價(jià)格預(yù)測中的應(yīng)用[J]. 金瑤,蔡之華.  統(tǒng)計(jì)與決策. 2013(06)
[7]金融市場發(fā)展的成就、經(jīng)驗(yàn)與未來[J]. 穆懷朋.  中國貨幣市場. 2007(06)

碩士論文
[1]時(shí)間序列模型的罰似然方法[D]. 陳陽.西北大學(xué) 2012



本文編號(hào)：3430430