本文選題：非線性時間序列分析　切入點：疊合模型　出處：《電子科技大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

【摘要】：金融市場中人們往往關(guān)注金融產(chǎn)品的收益率,而收益率序列往往表現(xiàn)出波動性集群現(xiàn)象,因而具有變方差等非線性特征。而非線性時間序列模型,包括參數(shù)模型如ARCH模型、TAR模型,非參數(shù)模型如AAR、低階NAR模型等,在刻畫時間序列的非對稱性、長記憶性、變方差性、非線性自相依性等方面,具有明顯的優(yōu)越性。因此應(yīng)用非線性時間序列分析方法研究金融數(shù)據(jù),能夠給金融計量學(xué)學(xué)者和金融投資者提供更為廣闊的視角。論文先簡要介紹了常見的非線性時序模型：討論了非線性時序分析中非參數(shù)方法“維度禍患”產(chǎn)生的原因；總結(jié)介紹了基于圖示方法與似然比檢驗的時間序列非線性特征識別。本文討論了基于廣義似然比檢驗的時間序列非線性自相依性的識別方法；解釋了將不同非線性模型進行疊合的原因,并且討論了一些疊合模型(包括NAR-ARMA模型、NAR-AR-GARCH模型等)的參數(shù)估計。論文應(yīng)用非線性時序分析方法研究美國大豆期貨收益率。利用基于圖示的方法與基于廣義似然比檢驗的方法研究了美國大豆期貨收益率序列的內(nèi)部動態(tài)規(guī)律,以及收益率與其外部影響因素之間的關(guān)系。結(jié)果表明：美豆期貨收益率序列存在顯著的非線性自相依結(jié)構(gòu)；美國大豆生長優(yōu)良率以非線性的方式顯著影響其期貨收益率;存在其他因素以非線性方式顯著的影響美豆期貨收益率。最后對美豆期貨收益率分別建立了參數(shù)疊合模型與半?yún)?shù)疊合模型：AR-GARCH模型與NAR-AR-ARCH模型,進一步計算擬合優(yōu)度,結(jié)果表明NAR-AR-GARCH模型遠比AR-GARCH模型適合數(shù)據(jù)。這與收益率非線性自相依特征相一致,同時也在一定程度上說明了半?yún)?shù)非線性疊合模型在金融時間序列波動性分析應(yīng)用中的有效性。
[Abstract]:In the financial market, people tend to pay attention to the return rate of financial products, and the return sequence often shows the phenomenon of volatility cluster, so it has nonlinear characteristics such as variable variance, and nonlinear time series model. It includes parameter model such as ARCH model, nonparametric model such as ARCH model, low order NAR model and so on. It describes the asymmetry of time series, long memory property, variableness of variance, nonlinear self-dependence and so on. Therefore, using nonlinear time series analysis method to study financial data, It can provide a broader perspective for financial metrologists and financial investors. Firstly, this paper briefly introduces the common nonlinear time series models: discusses the causes of the "dimensionality disaster" in the non-parametric method of nonlinear time series analysis; The nonlinear feature recognition of time series based on graphical method and likelihood ratio test is summarized. In this paper, the identification method of nonlinear self-dependence of time series based on generalized likelihood ratio test is discussed. The reasons why different nonlinear models are superimposed are explained. The parameter estimation of some superposition models (including NAR-ARMA model, NAR-AR-GARCH model, etc.) is discussed. The nonlinear time series analysis method is applied to study the yield of American soybean futures. The graphical method and the generalized likelihood ratio are used to study the yield of soybean futures in the United States. The method of testing is used to study the internal dynamic law of the yield series of American soybean futures. The results show that there is a significant nonlinear self-dependent structure in the yield sequence of American soybean futures, and the growth rate of American soybean significantly affects its futures yield in a nonlinear manner. There are other factors that influence the yield of soybean futures significantly in a nonlinear way. Finally, the parametric superposition model and semi-parametric superposition model and NAR-AR-ARCH model are established to calculate the goodness of fit. The results show that the NAR-AR-GARCH model is far more suitable for the data than the AR-GARCH model, which is consistent with the characteristics of the nonlinear self-dependence of the rate of return. At the same time, the validity of the semi-parametric nonlinear superposition model in the analysis of the volatility of financial time series is explained to a certain extent.
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：F830.9;F224

【相似文獻】

相關(guān)期刊論文 前10條

1 陳飛,高鐵梅;結(jié)構(gòu)時間序列模型在經(jīng)濟預(yù)測方面的應(yīng)用研究[J];數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究;2005年02期

2 霍振宏;;基于時間序列模型下國民經(jīng)濟發(fā)展趨勢實證分析[J];中原工學(xué)院學(xué)報;2007年04期

3 張新波;;時間序列模型在稅收預(yù)測中的應(yīng)用[J];湖南稅務(wù)高等專科學(xué)校學(xué)報;2010年04期

4 劉領(lǐng)坡;;我國社會消費品零售總額時間序列模型及預(yù)測[J];經(jīng)濟論壇;2011年06期

5 李皓白,張米良;均值函數(shù)具有生滅趨勢的時間序列模型參數(shù)研究[J];工業(yè)技術(shù)經(jīng)濟;1993年01期

6 文新輝;陳開周;;基于神經(jīng)網(wǎng)絡(luò)的多維時間序列預(yù)測預(yù)報方法[J];預(yù)測;1993年06期

7 呂忠偉;;單變量時間序列模型識別方法的實證研究[J];統(tǒng)計與信息論壇;2006年03期

8 涂雄苓;;發(fā)電量的時間序列模型構(gòu)建及實證分析[J];經(jīng)濟研究導(dǎo)刊;2011年21期

9 何新易;;基于時間序列模型的中國GDP增長預(yù)測分析[J];財經(jīng)理論與實踐;2012年04期

10 柴振榮;如何預(yù)測市場份額[J];管理科學(xué)文摘;1994年07期

相關(guān)會議論文 前4條

1 汪宏晶;林曦晨;湯洪秀;尹平;;多元時間序列模型及其應(yīng)用[A];2011年中國衛(wèi)生統(tǒng)計學(xué)年會會議論文集[C];2011年

2 史青;練曉華;;時間序列模型在地鐵結(jié)構(gòu)變形預(yù)測中的應(yīng)用[A];第十五屆華東六省一市測繪學(xué)會學(xué)術(shù)交流會論文集（江蘇上海論文分冊）[C];2012年

3 黃榮坦;;廈門港集裝箱吞吐量的時間序列模型[A];2002年中國管理科學(xué)學(xué)術(shù)會議論文集[C];2002年

4 趙慶江;遲凱;付芳萍;李潮潮;車文剛;;基于FCM的模糊時間序列模型及人民幣匯率預(yù)測[A];第二十九屆中國控制會議論文集[C];2010年

相關(guān)重要報紙文章 前2條

1 國海證券研究所;時間序列模型預(yù)測3月CPI為—1.26%[N];上海證券報;2009年

2 羅佐縣;勘探投資須研究規(guī)律提高效率[N];中國石化報;2008年

相關(guān)博士學(xué)位論文 前1條

1 邱望仁;模糊時間序列模型及其在股指趨勢分析中的應(yīng)用研究[D];大連理工大學(xué);2012年

，

本文編號：1567443