本文關(guān)鍵詞：條件異方差模型的實證研究

  更多相關(guān)文章： 自回歸條件異方差(ARCH)模型 廣義自回歸條件異方差(GARCH)模型 門限自回歸(TAR)模型 門限自回歸條件異方差(TARCH)模型 參數(shù)估計 實證研究

【摘要】：時間序列在早期一直被線性的假設(shè)所主導(dǎo),70年代后期,人們愈來愈清楚地看到線性模型存在的諸多局限,為較好地解決這些問題,非線性時間序列模型被提出。本文主要研究了非線性時間序列模型的建模方法,并應(yīng)用于實際問題,運用Matlab軟件對股票數(shù)據(jù)和匯率數(shù)據(jù)進(jìn)行建模分析。在時間序列建模時,回歸誤差的條件方差一般不再是常值,隨時間而變化。傳統(tǒng)的線性模型無法客觀的進(jìn)行描述,Engle于1982年提出了采用自回歸條件異方差(ARCH)模型來擬合此現(xiàn)象,文中介紹了ARCH模型以及廣義自回歸條件異方差(GARCH)模型的建模過程,同時概括了對模型合理性的檢驗,對估計參數(shù)的檢驗及預(yù)測等。并針對上證指數(shù)數(shù)據(jù)實現(xiàn)了整個建模過程,通過置信度為95%的一步預(yù)測的置信區(qū)間結(jié)果看出ARCH模型更好的反應(yīng)了數(shù)據(jù)的波動性。1978年Tong提出了門限自回歸(TAR)模型,TAR模型能夠解釋金融數(shù)據(jù)中經(jīng)常表現(xiàn)出來的一些非線性性質(zhì),如周期性和不對稱性、波動的聚集性、波動的跳躍現(xiàn)象和時間的不可逆性等等。本文對Tong提出的建模方法以及Tsay提出的對TAR模型的檢驗方法、建立模型步驟進(jìn)行了介紹,同時概括了門限自回歸條件異方差(TARCH)模型的建模過程及模型檢驗方法。最后,針對美元與澳元的匯率實現(xiàn)了整個建模過程,得到了較理想的結(jié)果。
【關(guān)鍵詞】：自回歸條件異方差(ARCH)模型 廣義自回歸條件異方差(GARCH)模型 門限自回歸(TAR)模型 門限自回歸條件異方差(TARCH)模型 參數(shù)估計 實證研究
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：O212.1
【目錄】：

• 摘要4-5
• Abstract5-8
• 引言8-11
• 1 預(yù)備知識11-13
• 1.1 數(shù)據(jù)預(yù)處理11
• 1.2 自相關(guān)函數(shù)(ACF)與偏自相關(guān)函數(shù)(PACF)11-12
• 1.3 信息準(zhǔn)則函數(shù)12-13
• 2 線性模型13-19
• 2.1 線性時間序列模型簡介13-14
• 2.2 建立模型14-17
• 2.2.1 最小二乘估計14-17
• 2.2.2 極大似然估計方法17
• 2.3 預(yù)測17-19
• 3 自回歸條件異方差(ARCH)模型19-35
• 3.1 自回歸條件異方差(ARCH)模型簡介19-21
• 3.2 ARCH效應(yīng)檢驗21-23
• 3.3 建立模型23-26
• 3.3.1 最小二乘估計23-24
• 3.3.2 極大似然估計24-26
• 3.4 模型檢驗26-27
• 3.5 預(yù)測27
• 3.6 實例分析27-35
• 3.6.1 ARCH效應(yīng)檢驗29-30
• 3.6.2 ARCH建模30-33
• 3.6.3 預(yù)測33-35
• 4 門限自回歸條件異方差(TARCH)模型35-49
• 4.1 門限自回歸(TAR)模型簡介35-36
• 4.2 非線性檢驗36-37
• 4.3 建立模型37-39
• 4.3.1 Tong的方法37-39
• 4.3.2 Tsay的方法39
• 4.4 門限自回歸條件異方差(TARCH)模型39-43
• 4.4.1 門限自回歸條件異方差(TARCH)模型簡介39-40
• 4.4.2 建立模型40-43
• 4.5 實例分析43-49
• 4.5.1 數(shù)據(jù)預(yù)處理43-45
• 4.5.2 建立模型45-49
• 結(jié)論49-50
• 參考文獻(xiàn)50-52
• 附錄A 3.6實例分析Matlab程序52-56
• 附錄B 4.5實例分析Matlab程序56-68
• 致謝68-69

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 施久玉,杜金觀;有限個狀態(tài)時間序列的某些結(jié)果[J];應(yīng)用數(shù)學(xué)學(xué)報;1990年01期

2 馮希杰;長江三峽及其鄰區(qū)斷裂活動時間序列[J];華南地震;1991年02期

3 王霞,郭嗣琮,劉淑娟;時間序列模糊滑動預(yù)測[J];遼寧工程技術(shù)大學(xué)學(xué)報(自然科學(xué)版);1999年03期

4 溫品人;時間序列預(yù)測法的實際應(yīng)用分析[J];江蘇廣播電視大學(xué)學(xué)報;2001年06期

5 許清海;混沌投資時間序列的嬗變[J];漳州師范學(xué)院學(xué)報(自然科學(xué)版);2003年01期

6 程毛林;時間序列系統(tǒng)建模預(yù)測的一種新方法[J];數(shù)學(xué)的實踐與認(rèn)識;2004年08期

7 高潔;長記憶時間序列適應(yīng)性預(yù)測的應(yīng)用[J];江南大學(xué)學(xué)報;2004年05期

8 高潔;孫立新;;長記憶時間序列的適應(yīng)性預(yù)測誤差的譜密度[J];統(tǒng)計與決策;2006年13期

9 楊鐘瑾;;淺談時間序列的分析預(yù)測[J];中國科技信息;2006年14期

10 李健;孫廣中;許胤龍;;基于時間序列的預(yù)測模型應(yīng)用與異常檢測[J];計算機輔助工程;2006年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 周家斌;張海福;楊桂英;;多維多步時間序列預(yù)報方法及其應(yīng)用[A];中國現(xiàn)場統(tǒng)計研究會第九屆學(xué)術(shù)年會論文集[C];1999年

2 馬培蓓;紀(jì)軍;;基于時間序列的航空備件消耗預(yù)測[A];中國系統(tǒng)工程學(xué)會決策科學(xué)專業(yè)委員會第六屆學(xué)術(shù)年會論文集[C];2005年

3 盧世坤;李夕海;牛超;陳蛟;;時間序列的非線性非平穩(wěn)特性研究綜述[A];國家安全地球物理叢書（八）——遙感地球物理與國家安全[C];2012年

4 李強;;基于線性模型方法對時間序列中異常值的檢測及證券實證分析[A];加入WTO和中國科技與可持續(xù)發(fā)展——挑戰(zhàn)與機遇、責(zé)任和對策（上冊）[C];2002年

5 戴麗金;何振峰;;基于云模型的時間序列相似性度量方法[A];第八屆中國不確定系統(tǒng)年會論文集[C];2010年

6 謝美萍;趙希人;莊秀龍;;多維非線性時間序列的投影尋蹤學(xué)習(xí)逼近[A];'99系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];1999年

7 張大斌;李紅燕;劉肖;張文生;;非線性時問序列的小波-模糊神經(jīng)網(wǎng)絡(luò)集成預(yù)測方法[A];第十五屆中國管理科學(xué)學(xué)術(shù)年會論文集（下）[C];2013年

8 黃云貴;;基于時間序列的電網(wǎng)固定資產(chǎn)投資規(guī)模研究[A];2012年云南電力技術(shù)論壇論文集（文摘部分）[C];2012年

9 李松臣;張世英;;時間序列高階矩持續(xù)和協(xié)同持續(xù)性研究[A];21世紀(jì)數(shù)量經(jīng)濟學(xué)（第8卷）[C];2007年

10 陳赫;羅聲求;;歷史橫斷面數(shù)據(jù)的時間序列化[A];科學(xué)決策與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第六次年會論文集[C];1990年

中國重要報紙全文數(shù)據(jù)庫 前6條

1 ;《時間序列與金融數(shù)據(jù)分析》[N];中國信息報;2004年

2 何德旭 王朝陽;時間序列計量經(jīng)濟學(xué)：協(xié)整與有條件的異方差自回歸[N];中國社會科學(xué)院院報;2003年

3 劉俏;讓數(shù)據(jù)坦白真相[N];21世紀(jì)經(jīng)濟報道;2003年

4 西南證券高級研究員 董先安邋德圣基金研究中心 郭奔宇;預(yù)計6月CPI同比上漲7.2%[N];證券時報;2008年

5 東證期貨 王愛華　楊衛(wèi)東;兩年漲跌輪回 秋季普遍下跌[N];期貨日報;2009年

6 任勇邋鄭重;中國對世界鋼材價格的影響實證分析[N];現(xiàn)代物流報;2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張墨謙;遙感時間序列數(shù)據(jù)的特征挖掘：在生態(tài)學(xué)中的應(yīng)用[D];復(fù)旦大學(xué);2014年

2 張德成;滑坡預(yù)測預(yù)報研究[D];昆明理工大學(xué);2015年

3 苗圣法;時間序列的模式檢測[D];蘭州大學(xué);2015年

4 翁同峰;時間序列與復(fù)雜網(wǎng)絡(luò)之間等價性問題及表征應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2015年

5 楊婷婷;用Argo浮標(biāo)結(jié)合衛(wèi)星觀測估算北太平洋經(jīng)向熱輸運[D];中國科學(xué)院研究生院(海洋研究所);2015年

6 史文彬;時間序列的相關(guān)性及信息熵分析[D];北京交通大學(xué);2016年

7 原繼東;時間序列分類算法研究[D];北京交通大學(xué);2016年

8 盧偉;基于粒計算的時間序列分析與建模方法研究[D];大連理工大學(xué);2015年

9 王曉曄;時間序列數(shù)據(jù)挖掘中相似性和趨勢預(yù)測的研究[D];天津大學(xué);2003年

10 李桂玲;時間序列的分割及不一致發(fā)現(xiàn)研究[D];華中科技大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 陳健;基于多變量相空間重構(gòu)的投資組合策略研究[D];華南理工大學(xué);2015年

2 蘭鑫;時間序列的復(fù)雜網(wǎng)絡(luò)轉(zhuǎn)換策略研究[D];西南大學(xué);2015年

3 米曉將;區(qū)域尺度下月均氣溫的時空演化格局研究[D];昆明理工大學(xué);2015年

4 張鳴敏;基于支持向量回歸的PM_(2.5)濃度預(yù)測研究[D];南京信息工程大學(xué);2015年

5 林健;基于改進(jìn)小世界回聲狀態(tài)網(wǎng)的時間序列預(yù)測[D];渤海大學(xué);2015年

6 曹智麗;日氣溫和干旱指數(shù)支持向量回歸預(yù)測方法[D];南京信息工程大學(xué);2015年

7 高雄飛;基于分形理論的土壤含水量時間序列特性分析[D];長安大學(xué);2015年

8 姚茜;城市安全生產(chǎn)發(fā)展目標(biāo)研究[D];中國地質(zhì)大學(xué)(北京);2015年

9 謝翠穎;蘇州社會消費品零售總額簡析[D];蘇州大學(xué);2015年

10 包仁義;基于時間序列的搜索引擎評估模型算法研究[D];東北師范大學(xué);2015年

，

本文編號：1001961