本文關(guān)鍵詞：金融市場中波動(dòng)率模型的統(tǒng)計(jì)推斷研究

  更多相關(guān)文章： 波動(dòng)率 GARCH T-GARCH 參數(shù)估計(jì)

【摘要】：當(dāng)今社會(huì)，波動(dòng)率這個(gè)概念被人們應(yīng)用在了很多領(lǐng)域與研究之中，尤其是在金融研究領(lǐng)域之中，對金融市場中的波動(dòng)率的估算與預(yù)測是近年來被人們所研究的其中一個(gè)重要課題.波動(dòng)率是一個(gè)比較寬泛的概念，可以被人們應(yīng)用在很多的研究領(lǐng)域之中，而其類別與估算方法也頗多，所以在金融市場上，波動(dòng)率模型的研究也變的尤為重要. 當(dāng)ARCH模型被提出之后，受到應(yīng)用者們的廣泛關(guān)注，特別是在金融領(lǐng)域.而由ARCH模型拓展所得的GARCH模型是專門為金融數(shù)據(jù)所定做的模型，它的提出是想來解釋金融高頻數(shù)據(jù)的一些規(guī)律.但是對于市場上廣泛存在的信息并非對稱的現(xiàn)象，ARCH模型以及GARCH模型都沒有反映出來，故Zakoian（1994）給出了門限GARCH（T-GARCH）模型[2]，其容許存在信息的非對稱性. 以往通過BHHH算法和信息陣的梯度算法可得到T-GARCH模型參數(shù)的最大似然估計(jì)值，Zakoian利用信息陣的梯度算法理論[3]，用基于連續(xù)的，右可微函數(shù)的M-估計(jì)的一個(gè)特例來得到T-GARCH模型的參數(shù)估計(jì).但由于BHHH算法存在相對多的迭代的數(shù)量，耗用較長的時(shí)間，計(jì)算效率相對慢一些等等不足，而且梯度算法每一個(gè)都有自己的特點(diǎn)，并且Hessian矩陣有相對大的優(yōu)點(diǎn)，，混合梯度算法也有較多優(yōu)點(diǎn).故本文借鑒GARCH模型的參數(shù)估計(jì)方法[8]，利用Hessian陣的梯度算法和向量外積陣的梯度算法給出了這類模型參數(shù)的其它估計(jì)方法.文章最后介紹了T-GARCH模型被實(shí)際應(yīng)用到利率波動(dòng)的建模上的實(shí)例，并給出了結(jié)論以及一些后續(xù)展望.
【關(guān)鍵詞】：波動(dòng)率 GARCH T-GARCH 參數(shù)估計(jì)
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：F830.9;F224
【目錄】：

• 摘要4-5
• Abstract5-8
• 第一章 緒論8-11
• 1.1 研究背景8
• 1.2 問題的提出8-9
• 1.3 研究現(xiàn)狀9-10
• 1.4 本文結(jié)構(gòu)以及內(nèi)容10-11
• 第二章 知識(shí)準(zhǔn)備11-19
• 2.1 ARCH 模型11-14
• 2.2 GARCH 模型14-15
• 2.3 T-GARCH 模型15-17
• 2.4 TS-GARCH 模型17
• 2.5 T-ARCH 模型17-18
• 2.6 正態(tài)分布18
• 2.7 χ2分布18-19
• 第三章 T-GARCH 模型參數(shù)的統(tǒng)計(jì)推斷19-32
• 3.1 T-GARCH 模型的參數(shù)估計(jì)20-26
• 3.2 T-ARCH 模型的參數(shù)估計(jì)26-29
• 3.3 模型檢驗(yàn)29-32
• 第四章 模型實(shí)例應(yīng)用32-35
• 第五章 總結(jié)35-37
• 5.1 本文主要結(jié)論35
• 5.2 后續(xù)展望35-37
• 參考文獻(xiàn)37-39
• 致謝39

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 宋逢明,江婕;中國股票市場波動(dòng)性特性的實(shí)證研究[J];金融研究;2003年04期

  本文關(guān)鍵詞：金融市場中波動(dòng)率模型的統(tǒng)計(jì)推斷研究

  更多相關(guān)文章： 波動(dòng)率 GARCH T-GARCH 參數(shù)估計(jì)

本文編號(hào)：511883