偏斜参数对GARCH族模型估计与预测绩效的影响

本文先运用蒙特卡洛模拟考察了偏斜参数对GARCH族模型估计结果的影响并发现,若标准化扰动项偏斜且厚尾,基于对称厚尾分布的极大似然估计量渐近有偏.以上证指数收益为样本,利用SPA检验,实证考察了10种常见的GARCH族结构分别在正态分布、Student-t、GED以及Skew-t分布假设下的波动率预测绩效.结果发现:①Skew-t分布假设下的GARCH族结构能够获得优越的预测绩效;②10种GARCH族结构中,有8种模型在Student-t分布假设下的预测绩效不及正态分布,而GED分布假设下也有4种模型不及正态分布;③样本外观测值的多少以及GARCH-m结构的有无不改变主要结论.     

基于非参数GARCH的模型的一种波动率估计方法

一、方法描述 (一)Bollerslev(1986)提出的标准的GARCH(1,1)形式 εt=(√ht zt) V(ε/Ωt-1)=ht=α0+α1ε2 t-1+β1ht-1 (1) 其中,Ωt-1是时间的信息集,包含了εt-1及其以前的信息,εt是扰动项,ht是条件方差,z1是白噪声.为确保有条件的方差非负,α1和β1必须非负,且满足α1+β1＜1才保证序列是宽平稳的.     

非线性GARCH族的模型平均估计方法

本文考虑了非线性GARCH族的模型平均估计方法。在备选模型集合包含拥有不同模型结构的非线性GARCH族的情况下,本文构建了非线性GARCH族的模型平均估计量,并给出相应的权重选择准则。在一定正则条件下,本文证明上述模型平均估计量具有渐近最优性,即渐近实现真实最优的KL偏离度。蒙特卡洛模拟结果表明,在大部分情形下,本文提出的模型平均估计量取得了更小的相对KL偏离值。作为非线性GARCH族的模型平均估计方法的应用,本文对2016年6月1日至2017年6月1日上证指数的日波动率进行估计,与现有模型选择与模型平均方法相比较,本文模型平均估计方法具有更高的精度。     

参数与非参数GARCH模型的预测能力比较

股票市场的收益与风险历来都是股票投资者和研究者所关注的问题,人们常常借助于条件异方差(或波动率)刻画股市的波动性。我国越来越多的研究人员更加关注提高波动性预测的精度。李亚静等选取GARCH、TGARCH和EGARCH模型拟合了中国股市的波动性,并比较了这三个模型的预测能力。胡     

GARCH(1,1)模型的M-H估计及其应用

参数GARCH模型是最常用的度量金融市场波动性的模型。文章对残差基于正态分布的GARCH(1,1)模型通过构造M-H算法对其参数进行了估计,并给出了基于沪市股指收益率数据的实证分析。结果表明:基于M-H算法估计的GARCH模型比基于极大似然估计(ML)方法估计的GARCH模型具有更好的拟合效果和预测能力。     

基于非参数GARCH模型的汇率波动性预测

文章利用非参数GARCH模型来预测人民币汇率的波动性,并且与参数GARCH族模型的预测结果进行比较。理论上,非参数GARCH模型避免了参数GARCH族模型形式上的错误设定,具有稳健性。文章选择美元和日元兑人民币汇率的日对数收益率来进行预测,预测结果综合表明非参数GARCH模型具有最强的预测能力。     

正态方差混合分布新息GARCH模型的EM估计

近来,人们对实际数据使用厚尾分布进行建模颇感兴趣。一种流行的考虑就是所谓的广义自回归条件异方差(GARCH)模型。不幸的是,在一些应用中正态新息的GARCH模型的尾部不够厚。文章提出新息为正态方差混合分布的GARCH模型并给出了使用EM算法对模型参数作估计的步骤。结果表明,新息为正态方差混合新息分布的GARCH模型比正态新息的GARCH模型有更厚的尾部,因而更能捕捉实际数据中的厚尾特征。文章还以上证指数为例阐述了这一结论。     

参数与非参数GARCH的预测能力比较

股票市场的收益与风险历来都是股票投资者和研究者所关注的问题,人们常常借助于条件异方差(或波动率)刻画股市的波动性.     

股票价格预测的GARCH模型

1G A R CH预测模型的建立本文的G ARCH模型建立过程依赖于SAS/ETS软件的A UTOR EG过程(自回归过程)。AUTOREG过程用于估计和预测误差项自相关或异方差的时间序列数据的线性回归模型。自回归误差模型被用来校正相关系数和广义自回归条件异方差模型,并且其变形被用于异方差性的建     

时变参数状态空间模型估计研究

在宏观经济和金融资本市场上广泛存在着非线性时变参数时间序列,而当前的研究主要关注静态参数状态空间模型的估计。本文通过引入变点分析,改进了静态参数的粒子学习滤波技术,提出了变点粒子学习滤波技术,用于估计时变参数状态空间模型。并且利用模拟实验同经典的变结构IMM滤波技术进行了对比,结果显示,本文提出的变点粒子学习滤波在动态模拟样本数据方面具有更大的优势。可以用于对股票价格和成交量的联合动态轨迹进行实时的模拟追踪。     

线性GMDH参数模型的无偏估计研究

 多元线性回归分析中,参数无偏性是参数估计方法的一个重要指标。本文对线性GMDH参数模型建立多元线性模型进行了研究,得到以下结论：一,在满足经典线性回归模型的假设条件下,其参数估计量具有无偏的性质;二,在满足其它假设条件下,可以在样本量少于待估参数的情况下建模,估计的参数也是无偏的;三,用参数GMHD方法建模时,它对完全多重共线性是免疫的。     

混合系数线性模型参数的t-s-K估计

混合系数线性模型在实际问题中有着广泛的应用背景,如经济分析、可靠性退化分析以及生物学等领域,因此对该模型的研究无论从理论还是从应用角度都是十分重要和必要的。在研究连续测量数据情况下混合系数线性模型的参数估计问题的基础上,利用压缩估计方法给出该模型的一类有偏估计,并研究新估计的一些优良性质,在一定条件下证明此类估计优于s-K估计。     

上证综指GARCH类模型探讨

许多年来,金融市场的可预测性不仅吸引了专业人士和学术界经济学家的注意力,而且激发了众多业余投资者的兴趣.对历史价格图形模式进行的目测考察已成为投资分析的标准惯例.但是这种行情图分析表面上纯粹是描述性预测技术,缺乏理论支柱.许多学术研究者强烈反对这类分析.学术界开始利用时间序列模型分析金融价格序列.自从Box和Jenkins(1976)介绍了ARMA模型和Engle(1982)介绍了GARCH模型后,国外对这两类模型的研究已经日渐成熟.本文尝试着用这些模型分析上海证券综合指数,建立适合我国证券市场的模型.     

基于非参数DEA前沿的参数生产函数估计模型

本文结合参数方法和非参数方法的估计模型的方法对确定前沿生产函数进行估计 ,并从理论上验证了两者结合的估计方法的强收敛性 ,并结合实证结果证明了两种方法结合的合理性和广阔前景。　　 一、生产函数估计方法前沿生产函数作为经济系统最优行为组合的有效边界 ,从理沦上讲是     

索赔相依的非参数近邻估计信度模型

信度理论在非寿险精算理论与实务中具有重要地位,是精算学中最重要的经验保费估计模型。文章在索赔序列满足强混合(α-混合)相依条件的Q阶平稳马尔科夫链的假定下,运用非参数bagged-最近邻估计方法对信度保费进行分析。从实证结果看,本文提出的估计方法有较好的拟合效果。     

联立方程模型参数的修正间接广义岭估计

本文对外生变量设计矩阵X复共线的联立方程模型提出一种参数的间接广义岭估计方法,并对估计出的参数进行了改进,使其具有良好的统计性质,并证明了这些性质。     

高维参数多项Logistic模型的估计方法

高维参数多项Logistic模型的参数估计,用极大似然法估计很困难.文章给出一种新的估计方法:基于逆回归,给出参数单位向量的估计,从而高维参数得到降维;用极大似然法估计参数向量的模,最后得到参数的估计.且是相合估计.     

GARCH族模型参数估计的EXCEL实现

一、引言Engle(1982)提出的自回归条件异方差性模型(即ARCH模型),将方差和条件方差区分开来,并让条件方差作为过去误差的函数而变化,从而为解决异方差问题提供了新的途径。由于其对现代金融计量经济学发展的重要影响,Engle也因此项学术成就而获得2003年诺贝尔经济学奖。1986年,Bollerslev在ARCH模型的基础上提出了广义自回归条件异方差(GARCH)模型。此后,许多学者在GARCH(ARCH)模型的结构下,又发展出一系列新的模型,统称为GARCH族模型。     

半参数模型中两步估计与最小二乘估计的比较

文章在MSE准则下对半参数模型中的参数的两步估计和最小二乘估计进行了比较,给出了参数的两步估计优于最小二乘估计的充分条件。