共查询到10条相似文献,搜索用时 234 毫秒
1.
2.
以台湾加权股价指数为研究对象,研究期间为2001年1月2日~2003年1月13日,共计500日之报酬率资料.采用不同真实波动性预测模型,研究不同抽样频率的报酬率数据与不同波动性预测模型的预测能力,并结合准蒙地卡罗仿真法进行 VaR 值之仿真,以进行 VaR 估算绩效之比较.研究发现,利用真实波动性观念的日内报酬率数据的确能带来较有用的信息,就波动性预测准确度而言,整体上以Intraday GARCH (1,1) 模型最好;就 VaR 估算绩效而言,则以适应性类神经模糊推论系统模型相对较佳. 相似文献
3.
本文建立一个状态数目由数据决定的马尔可夫转换向量自回归模型,用贝叶斯方法推断模型参数,并利用基于Gibbs分块采样的MCMC方法做逼近。然后本文用此模型和估计方法分析上海A股市场周收益率,结果发现,我国股票市场最可能存在5个不同的状态,状态间的区分首以波动性大小不同为标准,股市除了在初期波动性极小外,从1992年4月开始可以分为两个阶段,在各阶段股市均在三个状态之间转换。 相似文献
4.
5.
股市预测中的小波神经网络方法的研究 总被引:16,自引:0,他引:16
本文首先论述了股市时间序列中的明显随机性,可能是由于非线性确定性系统中混沌行为的缘故,利用混沌的确定性可以进行短期预测.混沌时间序列预测首先要重构相空间,接着充分利用小波变换时频分析的局部化特性,提出了一种改进的小波网络结构,探讨了股市预测模型问题.经实例验证,该方法能有效地提高预测精度,避免了人工神经网络模型和指数自回归的固有缺陷. 相似文献
6.
股票市场由于受到各种因素的影响,股指常表现一定的波动性,这为预测股市的走势带来了困难,本文采用2000年到2008年上证综指的最新数据,利用ARMA模型和波浪理论来综合预测股市的走向。分析研究结果表明在利用波浪理论对股票走势进行预测的时候,再结合AR-MA模型的短期预测,能更加准确地提高预测准确度,把握投到好的投资时机。 相似文献
7.
基于随机波动性模型的中国股市波动性估计 总被引:17,自引:3,他引:17
采用动态随机波动性模型实证研究了中国股票市场的波动性. 通过基于马尔可夫链蒙
特卡罗(MCMC) 模拟的贝叶斯分析方法,较好地估计了随机波动性模型中的参数与波动性序
列. 基于中国股市数据进行的实证结果表明,与ARCH 类模型相比,随机波动性模型能更好地
描述股票市场回报的异方差和波动性的序列相关性. 相似文献
8.
基于SWARCH的VaR及压力测试值的一致性估计 总被引:4,自引:0,他引:4
风险值 (VaR) 与压力测试都是衡量金融资产价格波动风险的重要工具.为了考虑市场在不同状态下报酬率分布的结构性变化,引入波动性状态转移的ARCH(SWARCH)模型对波动性进行描述,使 VaR 与压力测试值能够在统一的样本数据和框架下得到一致性的估计.此外,SWARCH模型还同时考虑了金融市场波动性、波动性状态和状态概率的时变性,使 VaR 与压力测试值的估计具有很好的灵活性.以上海股市为样本进行了实证分析,验证了基于SWARCH模型能够得到 VaR 与压力测试值的一致性估计. 相似文献
9.
股市波动率的短期预测模型和预测精度评价 总被引:1,自引:0,他引:1
基于幂转换以及不设定扰动项的具体相关结构和分布形式,构建了半参数的短期预测模型来预测中国股市的波动率.模型采用基于极值估计量的两阶段估计法进行估计,估计方法的小样本性质表现良好.此外,还通过具有Bootstrap特性的SPA检验实证比较了新模型与其他6种预测模型的预测精度.实证结果表明,在各种损失函数下,半参数短期预测... 相似文献