本文關鍵詞： 市場深度 流動性 部分線性MEM(1 1)模型 兩階段迭代算法　出處：《西南財經大學》2014年碩士論文　論文類型：學位論文

【摘要】：在金融數(shù)量與金融時間序列分析中,我們經常遇到大量的非負值金融時間序列。金融市場上越來越多的研究依賴于對非負值金融時間序列變量的動態(tài)分析,流動性是金融市場最為核心的問題之一。它是金融市場的生命力所在,是現(xiàn)代金融市場能否健康發(fā)展的關鍵。如果金融市場缺乏流動性,將使金融資產的價值被低估,交易難以完成,在某些情況下甚至可能出現(xiàn)無法完成交易的極端現(xiàn)象,此時,金融市場就失去了其存在的價值。股票市場作為金融市場的主要形式,一直都是會計、財務、經濟、金融等領域學術研究的重點。因此,研究股票市場的流動性就具有重要的理論意義與應用價值。 在對非負值時間序列變量的研究方面, Engle(2002)提出了一種適合于非負值金融時間序列的新模型——乘積誤差模型(multiplicative error model,簡稱MEM)。該模型的設定使得非負性自動得到保證。隨后,出現(xiàn)了一系列針對MEM的理論和應用研究。但這些研究較多的集中于國外研究方面,國內對MEM的研究還相對缺乏。而且國內外都較多的集中在對參數(shù)MEM模型的研究方面,在非參數(shù)和半參數(shù)領域鮮有涉及。 本文通過對國內外研究股票市場流動性的文獻綜述進行梳理后,發(fā)現(xiàn)國內外學者對股票市場流動性的研究,較多集中于對流動性外在影響因素的分析,而較少從流動性自身的角度考慮其對自身未來值的影響,忽略了流動性的自我解釋能力。在度量流動性的指標中,以對買賣價差和市場深度的研究最多。中國股票市場是以訂單驅動為交易機制的新興市場,我們無法獲得真實的買賣價差數(shù)據,從而本文采用市場深度來對股票流動性進行研究。 市場深度屬于非負值時間序列變量,本文將利用MEM以市場深度作為流動性的度量指標對中國聯(lián)通股票的流動性進行動態(tài)分析,為避免非參數(shù)模型存在的“維數(shù)災難”問題,本文將在參數(shù)MEM模型的基礎上,結合部分線性模型的思想,提出部分線性MEM模型并給出相應的估計算法及對該估計算法一致性的證明。然后分別從模擬和實證的角度,對參數(shù)MEM(1,1)模型和部分線性MEM(1,1)模型進行模擬研究和實證分析,研究哪個模型能夠更好地刻畫金融市場的流動性特征。這一方面,擴展了MEM的模型形式,使其由參數(shù)領域擴展到了半參數(shù)領域,豐富了MEM的研究體系,為處理非負值金融時間序列提供了一個新的研究工具,豐富了金融市場計量經濟學、時間序列分析和非參數(shù)計量經濟學等學科的研究方法和研究內容；另一方面,由于首次將部分線性MEM模型的估計方法運用到對個股流動性的具體實證研究中,這就為以后學者對金融市場流動性的研究提供了新的模型和方法,結合當前中國股票市場的情況考慮,實證研究結果對于投資者了解股票流動性狀況以及完善中國股票市場的流動性監(jiān)管措施,有效地提高市場的流動性安全提供了科學的決策依據,具有重要的實際應用價值�？傊�,關注MEM的研究,不論是在理論領域還是在應用領域都有十分重要的意義。 本文的主要研究內容及結論如下： 第一,本文結合參數(shù)MEM模型和部分線性模型的思想,提出了部分線性MEM模型及其估計算法,并且對部分線性MEM模型形式①的兩階段估計算法的一致收斂性進行了證明,這將MEM由參數(shù)領域向半參數(shù)領域進行了擴展,為刻畫金融市場上的非負值時間序列提供了又一種有力的研究工具,同時這也是本文在模型和估計方法上的理論創(chuàng)新。 第二,為了能夠更好地模擬金融市場中的非負值時間序列變量及其所存在的杠桿效應并加強論證的有效性和科學性,本文首先通過三種不同的數(shù)據生成過程和兩種不同的殘差分布生成了長度為T=500的非負值時間序列變量數(shù)據及其真實的條件均值數(shù)據；然后將上述三種數(shù)據生成過程循環(huán)計算500次(m=500)得到500組不同的模擬樣本數(shù)據；最后通過五種不同的擬合能力評價指標對參數(shù)MEM(1,1)模型和部分線性MEM(1,1)模型的估計效果進行了評價,發(fā)現(xiàn)無論是通過哪種數(shù)據生成過程和殘差分布得到的非負值時間序列變量數(shù)據,經過m=500次循環(huán)計算后,所得到的部分線性MEM(1,1)模型的擬合能力均優(yōu)于參數(shù)MEM(1,1)模型；參數(shù)MEM(1,1)模型較適宜于刻畫殘差服從指數(shù)分布的情況,而部分線性MEM(1,1)模型較適宜于刻畫殘差服從伽瑪分布的情況；殘差服從伽瑪分布時,部分線性MEM(1,1)模型的評價指標的值相比參數(shù)MEM(1,1)模型,其減少程度均普遍大于殘差服從指數(shù)分布時(個別指標除外)。從而,通過蒙特卡洛方法從模擬的角度證明了部分線性MEM(1,1)模型的有效性及其優(yōu)異表現(xiàn),尤其是其在殘差服從復雜分布時的優(yōu)異表現(xiàn)。 第三,本文基于中國聯(lián)通市場深度的真實樣本數(shù)據對參數(shù)MEM(1,1)模型和部分線性MEM(1,1)模型進行了具體的實證分析。首先,本文將選取中國聯(lián)通市場深度序列作為研究對象,把整個樣本劃分為模型估計樣本和預測評價樣本兩部分；然后對該樣本進行描述性統(tǒng)計分析和模型估計；最后通過五種不同的預測能力評價指標對參數(shù)MEM(1,1)模型和部分線性MEM(1,1)模型的樣本內預測能力和樣本外預測能力進行了比較。實證研究表明：中國聯(lián)通市場深度序列不存在過度分散性,卻具有明顯的持續(xù)自相關性并帶有正偏、尖峰厚尾和拖尾的特征；參數(shù)MEM(1,1)模型并沒有完全提取出中國聯(lián)通市場深度序列的模型估計樣本中的相關特征,不能很好地預測中國聯(lián)通市場深度序列的模型估計樣本,而部分線性MEM(1,1)模型可以提取出比參數(shù)MEM(1,1)模型更多的中國聯(lián)通市場深度序列模型估計樣本中的相關特征,更加適合于預測中國聯(lián)通市場深度序列的模型估計樣本；從評價指標的角度來看,無論是參數(shù)MEM(1,1)模型還是部分線性MEM(1,1)模型的兩種模型形式,其樣本外預測能力均要好于樣本內預測能力；從模型比較的角度來看,相對于參數(shù)MEM(1,1)模型而言,無論哪種形式的部分線性MEM(1,1)模型都更能夠刻畫中國聯(lián)通市場深度序列的相關特征,也更適合于刻畫中國聯(lián)通股票在連續(xù)交易階段的流動性狀況,并且部分線性MEM(1,1)模型形式①的表現(xiàn)要更勝一籌,具有對中國聯(lián)通的流動性更好地預測能力。這也表明了中國聯(lián)通股票的流動性受其以前流動性的影響主要是線性的,受其以前平均流動性的影響主要是非線性的。該部分從實證分析的角度證明了部分線性MEM(1,1)模型的預測能力優(yōu)于參數(shù)MEM(1,1)模型,與模擬結果相互印證,使得結果更具有說服力。 與其它文章相比,本文的創(chuàng)新之處主要有以下兩點： 第一,本文首次提出了部分線性MEM模型的兩種模型形式,使用了一個可以用來自動選擇應該采用哪種模型形式的檢驗統(tǒng)計量,分別給出了針對兩種模型形式的具有一致收斂性的估計算法,并且對模型形式①的迭代算法在比較弱的條件下的一致收斂性進行了理論證明。通過對國內外有關MEM的相關文獻的梳理,發(fā)現(xiàn)目前國內外學者對MEM的理論和應用研究主要集中在參數(shù)MEM模型方面,而在部分線性MEM模型方面還未有涉及。從而,本文結合參數(shù)MEM模型和部分線性模型的思想提出的部分線性MEM模型及其具有一致收斂性的估計算法,就相應的彌補了該方面研究的空白,豐富了對部分線性MEM模型的理論研究。本文分別基于蒙特卡洛模擬數(shù)據和中國股票市場的真實樣本數(shù)據,對參數(shù)MEM(1,1)模型和部分線性MEM(1,1)模型的擬合能力和預測能力進行了比較。結果發(fā)現(xiàn),兩種模型形式的部分線性MEM(1,1)模型均比參數(shù)MEM(1,1)模型具有更好的擬合能力和預測能力。 第二,本文首次將參數(shù)MEM(1,1)模型和部分線性MEM(1,1)模型應用到對中國聯(lián)通股票市場深度的研究中。實證研究表明,相對于參數(shù)MEM(1,1)模型而言,無論哪種形式的部分線性MEM(1,1)模型都更能夠刻畫中國聯(lián)通市場深度序列的相關特征,也更適合于刻畫中國聯(lián)通股票在連續(xù)交易階段的流動性狀況,并且部分線性MEM(1,1)模型形式①的表現(xiàn)要更勝一籌,與模擬結果相互印證,使得結果更具有說服力。 本文由2011年度國家自然科學基金青年科學基金項目《新興訂單驅動市場非負值金融時間序列的乘積誤差建模及應用研究》(71101118)資助完成。
[Abstract]:......
【學位授予單位】：西南財經大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：O211.61;F830.91

【參考文獻】

相關期刊論文 前10條

1 萬樹平,涂凍生;價量分布下的股票流動性深度的度量[J];系統(tǒng)工程;2004年10期

2 房振明,王春峰,曹媛媛;上海證券市場流動性模式的研究[J];管理工程學報;2005年02期

3 洪圣巖,成平;半參數(shù)回歸模型的參數(shù)估計的Bootstrap逼近[J];中國科學(A輯 數(shù)學 物理學 天文學 技術科學);1993年03期

4 屈文洲,吳世農;中國股票市場微觀結構的特征分析——買賣報價價差模式及影響因素的實證研究[J];經濟研究;2002年01期

5 靳云匯,楊文;上海股市流動性影響因素實證分析[J];金融研究;2002年06期

6 楊朝軍,蔡明超,沈思瑋;中國證券市場日內流動性實證研究[J];上海交通大學學報;2003年04期

7 黃俊輝,王浣塵;中國股市流動性、波動性和交易特征的實證研究[J];上海交通大學學報;2004年03期

8 何靜慧;;股票市場個股流動性的假設與檢驗[J];紹興文理學院學報(自然科學版);2007年01期

9 高集體，洪圣巖，梁華;部分線性模型中估計的收斂速度[J];數(shù)學學報;1995年05期

10 錢偉民,柴根象;一類半參數(shù)回歸模型二階段估計的漸近理論[J];同濟大學學報(自然科學版);1998年01期

，

本文編號：1479332