本文主要研究在長記憶時間序列下Block Bootstrap方法的適用性。首先對經(jīng)典流行的長記憶模型ARFIMA的發(fā)展進(jìn)行了回顧與介紹,然后對于長記憶參數(shù)估計GPH估計法、R/S估計法和方差圖估計法進(jìn)行了介紹,簡要敘述了估計方法的理論基礎(chǔ),產(chǎn)生過程和漸近性質(zhì)等數(shù)學(xué)原理。在運(yùn)用ARFIMA(0,d,0)模擬的長記憶數(shù)據(jù)時,來做bootstrap方法的長記憶參數(shù)估計,發(fā)現(xiàn)bootstrap不同塊長抽樣的改變對于結(jié)果稍有影響,總體來說置信區(qū)間的效果在樣本較小的情況下效果顯著,這也與bootstrap方法的初衷,針對小樣本的運(yùn)用不謀而合。而分析比較三種估計方法在bootstrap下對參數(shù)d的估計發(fā)現(xiàn),R/S方法與方差圖法更加的準(zhǔn)確,而GPH估計方法,結(jié)果往往偏低。對于估計方法的選擇這一點是我們利用bootstrap估計長記憶性時所特別需要注意的。實證方面,主要對國內(nèi)外黃金市場價格收益率波動率情況進(jìn)行了研究,通過長記憶參數(shù)的估計,檢驗出國內(nèi)黃金AU9999與倫敦金收益率與波動率都具有顯著的長記憶性,并通過比較,發(fā)現(xiàn)了國際倫敦金收益率的長記憶程度稍有更高,bootstrap在實驗中也有效的控制住了...

【文章頁數(shù)】：31 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
英文摘要
1 引論
    1.1 研究背景與意義
    1.2 本文主要內(nèi)容和創(chuàng)新點
2 長記憶和ARFIMA建模
    2.1 平穩(wěn)性
    2.2 長記憶
    2.3 AFIRMA(p,d,q)形式的過程
        2.3.1 ARMA過程
        2.3.2 ARIMA(p,d,q)過程
        2.3.3 ARFIMA(p,d,q)過程
3 長記憶參數(shù)估計與bootstrap抽樣
    3.1 長記憶參數(shù)估計
        3.1.1 GPH方法
        3.1.2 R/S方法
        3.1.3 方差圖(Variance Plots)方法
    3.2 在長記憶下的Block Bootstrap方法
4 Monte Carlo實驗
    4.1 對實驗?zāi)Ｐ偷倪x擇
    4.2 對估計方法的選擇
    4.3 實驗結(jié)果
5 國內(nèi)外黃金市場長記憶分析
    5.1 滬金與倫敦金介紹
    5.2 估計方法
    5.3 結(jié)果分析
6 總結(jié)與展望
    6.1 內(nèi)容總結(jié)
    6.2 未來展望
參考文獻(xiàn)
致謝



本文編號：3853041