發(fā)布時間：2017-05-11 07:16

  本文關鍵詞：ARFIMA-GARCH模型的混成檢驗及其應用，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著信息時代及網(wǎng)絡技術的發(fā)展,人們處理時間序列數(shù)據(jù)的能力日益強大。盡管如此,在實際應用領域中,對時間序列數(shù)據(jù)的建模及統(tǒng)計推斷依然備受關注。由于時間序列數(shù)據(jù)存在長短記憶性及異方差等特征,因而需要選擇合適的時間序列模型進行擬合,若模型仍然不恰當,就會使預測出現(xiàn)嚴重的誤差,因此需要對模型進行診斷檢驗。近年來,人們開始利用混成檢驗來診斷檢驗模型,混成檢驗逐漸成為模型診斷檢驗的一種工具,在金融學中混成檢驗得到了重視,許多學者進行了研究。研究表明,基于擬極大指數(shù)似然估計的混成檢驗可以較好的檢驗擬合的模型是否準確,是否符合實際數(shù)據(jù)。本文基于ARFIMA-GARCH模型,針對擬極大指數(shù)似然估計,對混成檢驗、混合混成檢驗及其應用進行研究。介紹了ARFIMA-GARCH模型的理論、擬極大指數(shù)似然估計及混成檢驗的定義和主要性質。對于ARFIMA-GARCH模型的擬極大指數(shù)似然估計,通過給出平方殘差自相關函數(shù)的極限分布,進而構造出了基于平方殘差自相關函數(shù)的混成檢驗,并給出它的漸近分布;其次,在殘差和平方殘差自相關函數(shù)的基礎上,通過給出殘差自相關函數(shù)和平方殘差自相關函數(shù)的聯(lián)合極限分布,進一步構造出了一種混合混成檢驗,同時也給出了它的漸近分布。通過對樣本數(shù)據(jù)的平穩(wěn)性、相關性及異方差性進行分析,采用擬極大指數(shù)似然估計,建立了AR-GARCH模型,并利用本文給出的混成檢驗及混合混成檢驗,對擬合后的AR-GARCH模型進行診斷檢驗。結果表明,可以利用基于平方殘差自相關函數(shù)的混成檢驗及基于殘差和平方殘差自相關函數(shù)的混合混成檢驗,對擬極大指數(shù)似然估計擬合的時間序列模型進行診斷檢驗。
【關鍵詞】：ARFIMA-GARCH模型 擬極大指數(shù)似然估計 混成檢驗 混合混成檢驗
【學位授予單位】：蘭州理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：F224;F832.51
【目錄】：

• 摘要7-8
• Abstract8-12
• 第1章 緒論12-15
• 1.1 研究背景及其意義12
• 1.2 國內外研究現(xiàn)狀12-14
• 1.3 本文的主要研究內容14-15
• 第2章 ARFIMA-GARCH模型15-22
• 2.1 ARFIMA-GARCH模型的定義及性質15-18
• 2.2 擬極大指數(shù)似然估計及其性質18-19
• 2.3 混成檢驗統(tǒng)計量19-22
• 第3章 混成檢驗22-31
• 3.1 基于平方殘差自相關函數(shù)的混成檢驗22-26
• 3.2 基于殘差和平方殘差自相關函數(shù)的混合混成檢驗26-31
• 第4章 實證研究與結果分析31-39
• 4.1 數(shù)據(jù)來源及處理31-36
• 4.1.1 數(shù)據(jù)選取及基本統(tǒng)計特征31-33
• 4.1.2 平穩(wěn)性檢驗33-34
• 4.1.3 相關性檢驗34-35
• 4.1.4 異方差檢驗35-36
• 4.2 AR-GARCH模型的實證研究36-39
• 4.2.1 參數(shù)估計37
• 4.2.2 診斷檢驗37-39
• 結論與展望39-41
• 參考文獻41-44
• 致謝44-45
• 附錄A (攻讀學位期間所發(fā)表的學術論文目錄)45

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前7條

1 劉志東;;多元GARCH模型結構特征、參數(shù)估計與假設檢驗研究綜述[J];數(shù)量經濟技術經濟研究;2010年09期

2 楊振成;自回歸滑動平均模型中階數(shù)及參數(shù)的確定[J];統(tǒng)計與決策;2004年12期

3 郭黃斌;孫鈺鵬;;論Hull-White模型三叉樹的構建[J];現(xiàn)代商貿工業(yè);2009年06期

4 王玉著;，

本文編號：356550