中国股票市场的ARCH效应研究

一、引言 金融时间序列往往具有时变方差的特征，即在某些时期的波动十分剧烈，而另一些时期的波动又相对平稳。为了刻画时间序列的这一特征， Ｅｎｇｌｅ于１９８２年提出了自回归条件异方差（ＡＲＣＨ）模型，Ｂｏｌｌｅｒｓｌｅｖ又于１９８６年进一步提出了广义自回归条件异方差（ＧＡＲＣＨ）模型。ＧＡＲＣＨ模型的本质特征是随机误差项的条件方差服从ＡＲＭＡ过程。设｛ｙｔ｝为一定平稳时间序列，ＧＡＲＣＨ（ｐ，ｑ）模型可表述为： 其中，Φ（Ｌ）为滞后算子Ｌ的多项式，特征方程Φ（２）＝０的根全位于单位圆外。ｖｔ为方差等于 …     

ARMA模型在我国体育股票价格预测中的应斥

中体产业股票作为我国唯一的体育类股票，为了准确把握其波动状况，科学预测未来发展趋势，收集了2002年1月1日至2010年6月30日中体产业股份有限公司股票的1510个日收盘价格指数为研究样本，进行了时间序列分析，建立了中体产业股票的自回归移动平均模型（即ARMA模型）。结果显示：模型ARMA（3，1）能较为准确地预测中体产业股票每日数据，模型的预测值与实际观测值非常接近，说明时间序列模型在中体产业股票状况预测中具有较好的应用价值。     

基于DFA方法的自组织组合预测模型的应用

文章运用消除趋势波动分析(DFA)方法,计算了四川省工业增加值季度数据的标度指数,该指数表明四川省工业增加值的时间序列值具有长程相关特性,其预测模型有较好的拟合效果.在此基础上根据自组织数据挖掘的理论与方法,提出了自组织组合预测模型.模型预测结果及与ARIMA、GMDH自回归、SPSS曲线估计等三个单项预测模型及最优线性组合、人工神经网络组合等常用的组合预测模型的对比表明,自组织组合预测模型不仅改善了对数据样本的拟舍精度,而且显著提高了模型的预测能力.     

经济时间序列的灰色模型研究

经济时间序列的灰色模型研究广东商学院王泽日一、基本理论与方法对于实测的时间序列｛Ｘ（０）ｉ（ｔ）｝，（ｉ＝１，２，…，ｎ；ｔ＝１，２，…，ｍ），一般为随机的，将其累加处理，可获得新序列｛Ｘ（１）ｉ（ｔ）｝，其中｛Ｘ（１）ｉ（ｔ）｝＝ｔｋ＝１Ｘ（０）...     

上半年四川经济：增长较快 民生改善

上半年，四川经济运行呈现“增长较快、质量提高、结构调整、民生改善”的主要特征。经国家统计局初步审定，上半年全省实现地区生产总值（GDP）9370．6亿元，同比增长148％。其中，第一产业增加值1088．2亿元，增长3．2％：第二产业增加值5304．6亿元，增长19．6％；第三产业增加值2977．8亿元，增长11．1％。     

1994年国民经济主要指标浙江占全国比重

（上表续）注：（1）公报表所列各项数据为年度初步统计数；（2）公报中国内生产总值和各产业增加值绝对数按现价计算，增长速度按可比价格计算；（3）各类专业技术人员数浙江为地方国有企事业单位。1994年国民经济主要指标浙江占全国比重     

工业增加值与发电量动态关系的实证分析

文章运用我国2002.1至2009.4的月度数据,系统考察了工业增加值与发电量的时间序列以及二者之间的动态关系.运用Airline模型和干预分析的方法,我们发现工业增加值与发电量都具有明显的季节性,且受奥运会结束和金融危机的影响显著.运用双变量的ARIMA模型,我们发现外部冲击会使工业增加值与发电量产生动态影响.相对于工业增加值的外部冲击(如金融危机等),发电量存在动态滞后效应,这种动态滞后效应造成了发电量与工业增加值之间的动态不一致.     

空间自回归模型及其估计

一、概述在经济问题研究中,处理的数据分为时间序列数据、截面数据以及截面时间序列数据(paneldata)。应用回归模型研究变量之间的关系时,假设模型满足Gauss_Markov条件,当研究的数据是时间序列时,通常会存在序列相关,针对这类数据的问题可以结合时间序列分析的方法加以处理;如     

STAR模型中退势单位根检验的小样本性质研究

 Kapetanios et al. (2003)和刘雪燕(2008)提出了ESTAR和LSTAR模型单位根检验的方法。本文将时间序列退势的OLS和GLS方法与他们提出的单位根检验方法结合,通过蒙特卡洛试验发现,在STAR模型中,对时间序列退势能不同程度的改善单位根检验的功效。若时间序列只存在非零均值,ESTAR模型中OLS退势存在优势;LSTAR模型,样本容量较小时（T<=50）,OLS退势的优势较明显,样本容量较大（T>100）时,GLS退势具有了微弱的优势。若序列存在非零的均值和趋势,且样本容量较小时,LSTAR模型中GLS退势的优势较明显,ESTAR模型中OLS退势的优势较明显;样本容量较大时,LSTAR模型中二者功效都很高,ESTAR模型中GLS退势的优势较明显。     

关于对时序模型定阶方法的研究

目前时序模型的理论研究和应用都十分活跃,在所有利用时序模型进行时间序列分析与预测模型当中,以移动平均ＭＡ（ｑ）,自回归ＡＲ（ｐ）和混合自回归移动平均ＡＲＭＡ（Ｐ,Ｑ）模型为最常用,而建立时序模型最为关键的、也比较困难的是确定模型的阶数。本文是对国内外各种文献中的时序模型定阶方法进行系统的归纳分类整理、比较分析、优劣评价及其适用条件与场合的研究。　　一、基于相关分析确定模型阶数的方法　　１利用样本自相关函数ρｋ和样本偏自相关函数φｋｋ的截尾性来判定模型的阶数ＢｏｘＪｅｎｋｉｎｓ提出使用样本…     

单变量时间序列模型的识别

时间序列分析就是通过研究时间序列中数值上的统计关系,来揭示系统的动态结构特征及其发展变化规律,是一种重要的现代统计分析方法,广泛地应用于自然领域、社会领域的科学研究和思维。在时间序列变量建模的过程中,一般分为模型识别、模型估计和诊断以及模型预测三个步骤,其中模     

陕西高技术产业发展与经济发展关系研究

一、陕西高技术产业发展与经济发展的现状 （一）陕西省经济发展的现状2004年陕西经济表现出了良好的发展势头。全年陕西GDP为3175．6亿元，比上年增长13．2％。其中，第一产业372．3亿元，增长9．3％，一产增加值占生产总值的比重为11．7％；第二产业增加值1553．1亿元，增长16．7％，二产增加值占生产总值的比重为48．9％；第三产业增加值1250．2亿元，增长10．4％，三产增加值占生产总值的比重为39．4％。2004年人均GDP达8543元，约合1032美元，比上年增长12．7％，低于全国平均水平，陕西要实现2010年经济发展翻一番，人均GDP达到2000美元，发展成西部经济强省的近期目标，任重而道远。     

单变量时间序列模型识别方法的实证研究

时间序列分析就是通过研究时间序列中数值上的统计关系,来揭示系统的动态结构特征及其发展变化规律,是一种重要的现代统计分析方法,广泛地应用于自然领域、社会领域的科学研究和思维。在时间序列变量建模的过程中,一般分为模型识别、模型估计和诊断以及模型预测三个步骤,其中模     

全球价值链视角下中美贸易双向溢出效应研究

本文在现有的三区域产出溢出反馈模型基础上构建出衡量中美经济增加值和就业联系的测度方式,全面透视了中美两国的增加值和就业依存关系。结果发现：①通过全球价值链分工网络,中国最终需求对美国经济的贡献率不断上升,美国最终需求对中国经济的贡献率则在近期存在下降趋势。同时,中国的最终需求为美国创造了越来越多的就业岗位,而美国最终需求对中国的就业影响在近期处于下降阶段。②就双边贸易而言,中美贸易对两国的增加值和就业贡献均呈现出上升趋势。具体到产业渠道上,中国对美国的出口主要影响中国的计算机、电子和光学产品,纺织服装以及皮革制品,批发贸易（汽车和摩托车除外）等产业的增加值和就业。中国从美国的进口主要影响美国的法律、会计、总部及管理咨询,计算机、电子和光学产品,作物和畜牧业,行政和辅助服务活动等产业的增加值和就业。     

时间序列分析与季节调整方法浅析

时间序列分析（Ｔｉｍｅ Ｓｅｒｉｅｓ Ａｎａｌｙｓｉｓ）作为统计数学的一个分支,是分析动态数据,提供定量预测的重要理论和方法。西方国家现已较为普遍地在经济、金融领域运用时间序列模型分析预测各种发展趋势。近年来,随着我国改革开放的深人和经济的飞速发展,对经济领域中存在的大量数据进行动态分析处理,摒弃静态分析的高误差率,并进一步用科学的方法进行预测、决策已显得愈加必要,时间序列分析方法在经济界的推广普及已是大势所趋。 所谓时间序列分析（即动态数据处理）,是指一批按时间先后顺序记录下来的观测结果（时间序…     

STAR模型框架下的wild bootstrap单位根检验

考虑随机误差项存在异方差的情形,文章建立了STAR模型框架下的wild bootstrap单位根检验策略.Monte Carlo模拟研究的结果表明,若时间序列存在GARCH异方差,KSS非线性单位根检验统计量的检验水平扭曲程度要远高于线性ADF统计量,且GARCH特征越明显,扭曲程度越高.无论GARCH特征明显与否,wild bootstrap单位根检验方法都不存在检验水平扭曲,且具有理想的检验势.     

基于Markov切换模型的中国CPI指数波动特征分析

文章引入Markov切换模型探讨中国CPI指数波动的持续性、波动幅度以及波动频率等特征.通过ADF方法和JB统计量检验CPI时间序列的平稳性和非对称性,通过CUSUM方法检验时间序列的机制转移特征,采取极大似然估计方法确定Markov切换模型的相关参数.结果表明,CPI时间序列的低波动性持续的时间最长,并且三种波动状态之间的切换主要集中于低波动状态和高波动状态之间;CPI时间序列的波动主要稳定于低波动率,并且存在明显的“聚集波动”和“分段波动”现象.     

涨跌停板制度下沪深股市向量自回归模型及波动性的协整分析

本文以上证综合指数和深圳成分指数为研究对象,选取了以1996年12月16日至2009年5月27日的两指数收盘价为样本,通过向量自回归模型（VAR）、协整分析、脉冲响应分析来检验两时间序列间的内在联系。结果表明,所选取观测交易日的沪深两市对数收盘价不存在长期均衡关系,并且两市股指收益率变化的相互影响的持续时间短;沪深两市不存在格兰杰因果关系,两市的独立性越来越明显;在不同时期,沪深两市波动的联动作用不同。     

稀疏组Lasso Granger因果图模型及应用

辨识序列间的因果联系是时间序列分析的主要任务之一。将Granger因果关系的检验问题转换为变量选择问题,应用稀疏组Lasso方法辨识序列间Granger因果关系的存在性和因果影响的滞后阶数。提出了稀疏组Lasso Granger因果图模型,顶点表示多维时间序列的分量序列,顶点间的有向边表示序列间存在的Granger因果关系,定义了滞后信息矩阵揭示因果影响的滞后信息。数值模拟验证了在各种维数和滞后影响结构的模型下,样本量对估计效果的影响。应用到中国宏观经济数据,进行实证分析的结果表明,稀疏组Lasso Granger因果图方法能够较好地揭示序列间的因果关系结构。     

中国国防费时间序列预测模型的建立

时间序列模型(ARMA)是一种精度较高的短期预测模型.本文综合运用B-J时间序列建模方法,对中国国防费时间序列平稳性进行了判别;利用单位根方法检验了时间序列的单整阶数;利用自相关函数和偏自相关函数判别了时间序列模型的自回归阶数(AR(p))和移动平均阶数(MA(q));最后利用Eviews统计软件建立了合适的中国国防费时间序列模型,并进行了分析和预测.