基于平均移动自回归理论的中国进出口贸易实证研究

文章通过对中国国际贸易进口和出口的数据分析,应用自回归滑动平均模型和条件异方差理论,对国际贸易进口的差分数据构建了6月份及8月份的自回归平均移动模型和,并应用进口增长率自回归平均移动-条件异方差模型对国际贸易出口增长率进行了波动率和变化率的拟合估计.根据所拟合的模型,发现在8月份拟合的自回归平均移动-条件异方差模型下的国际贸易进口差分数据更接近实际的国际贸易差分数据,并且国际贸易进口增长率差分对出口增长率差分的波动率具有正向的作用.中国国际贸易进口具有滞后的时间效应,并且中国国际贸易进口差分波动率对出口差分有正向的溢出效应.     

小波包与贝叶斯LS-SVM在石油价格预测中的应用

掌握国际石油价格变化趋势,可以为决策者提供决策依据.文章提出了基于小渡包和贝叶斯推断的最小二乘支持向量机石油价格预测方案.对石油价格时间序列进行小渡包分解与重构,采用贝叶斯推断对得到的各近似序列和各细节序列进行最小二乘支持向量机模型参数优化,再分别利用优化了的模型进行预测,合成得到最终预测结果.对美国纽约商品交易所原油价格进行仿真实验,结果表明该方法很好地改善了石油价格预测模型的运行速度与预测精度.     

异方差帕克检验方法的改进

围绕传统的帕克检验方法展开研究,针对该方法在对多元线性回归模型进行异方差检验时工作量大、计算繁琐、异方差模型不够准确这一系列问题,提出运用主成分的思想,将得到的所有综合指标建立异方差模型,并对不同形式的数据条件进行研究,根据系数的显著性检验,给出了一种新的异方差检验方法。模拟数据和实例论证表明该检验方法更为快捷准确。     

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     

一类基于非参数回归的条件异方差检验

现有基于参数模型构造的条件异方差检验往往存在模型设定偏误问题。为了避免模型误设对检验结果的影响,并且同时捕获多种条件异方差现象,本文基于非参数回归构造了不依赖于特定模型形式的条件异方差检验统计量。该统计量可视作条件方差和无条件方差之间差异的加权平均,在原假设成立时渐近服从标准正态分布。数值模拟结果一方面表明本文统计量具有良好的有限样本性质,另一方面也说明条件均值模型误设会导致错误地拒绝条件同方差的原假设,凸显了本文引入非参数方法构造条件异方差检验的必要性。实证分析采用本文统计量探讨了国际主要股指收益率的条件异方差现象,得到了与Engle (1982)不同的检验结果,可能意味着股指收益率呈现出非线性动态特征。     

季节异方差序列的季节调整问题研究

季节调整是从经济序列中剔除季节成分的重要方法。季节异方差的存在,使经典的季节调整方法无法彻底分离出季节成分,致使季节调整失败。本文针对季节异方差问题提出用于季节调整的改进的HS模型,并定义改进的HS模型构造季节异方差检验LR统计量,通过蒙特卡洛模拟方法分析该检验的检验尺度和检验功效。最后,利用我国税收总额月度序列给出实证分析,并通过对比考察了改进的HS模型方法季节调整的有效性。     

ARCH族模型在深沪A股中的应用

经典的最小二乘回归假定随机残差序列无自相关,误差的方差为一常数.然而研究金融市场时却发现,大多数时间序列往往具有变方差的特征,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,为了模拟这种波动,提高预测精度,1982年Engle提出了方差随时间变化的自回归条件异方差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,此后,ARCH模型的一些扩展模型也被相继提出,如ARCH-M模型,GARCH-M模型,EGARCH模型等,形成ARCH族模型,并在解释货币和金融时间序列的行为中得到广泛应用.     

股票价格预测的最优选择模型

文章首先介绍了我国学者对股票价格指数的研究现状,并阐述了时间序列分析中两种常见的模型:自回归移动平均(ARIMA)模型和条件异方差(ARCH)模型。然后分别对上证指数近八年的346个有效收益数据进行建模,并对未来三个月的收盘价进行预测。结果表明,ARCH模型的整体预测效果优于ARIMA模型。     

汇率波动非对称效应的计量检验-基于非对称ARCH类模型

本文利用非对称ARCH类模型对1994年1月1日至2007年8月24日的人民币／美元的日汇率序列的波动特性进行了计量检验，检验结果表明在此期间汇率序列的波动存在显著的条件异方差性和波动过程的非对称性，利空消息引起的汇率波动大于利好消息引起的汇率波动。     

蒙特卡罗方法下线性模型的异方差性检验方法

在已有的异方差性检验方法的基础上,运用蒙特卡罗方法,借助permutation检验思想,在不假定随机扰动项服从同一分布族的条件下,通过从大样本中提取大量的子样本,不断对线性模型进行拟合和检验,根据异方差为真的频率大小,给出了一种新的异方差检验方法。随机模拟表明本检验方法优于传统方法。     

非线性GARCH模型在中国股市波动预测中的应用研究

股票价格频繁的波动是股票市场最明显的特征之一。股票价格的时间序列经常表现出一个时期的波动明显地大于另一时期的特征。尽管有大量证据表明,短期的金融资产价格及收益率是不可预测的[1];但目前人们普遍认为,使用特定的时间序列技术可成功地预测金融资产收益率的方差。国外学者的研究结果表明,Ｂｏｌｌｅｒｓｌｅｖ提出的广义自回归条件异方差(ＧＡＲＣＨ)模型[2]和Ｅｎｇｌｅ的自回归条件异方差(ＡＲＣＨ)模型[3],在预测金融资产收益率方差方面是最为成功的。文献[4]较全面地综述了ＧＡＲＣＨ模型的应用。简单地讲,ＧＡＲＣＨ模型的建模…     

基于小波分解自回归模型的CPI预测

文章利用小波分析与自回归模型相结合的方法来建模分析时间序列,这种方法主要是在尺度函数逼近和自回归模型的基础上建立的。小波分析提供了一种多尺度函数逼近的方法,而自回归模型能够预测时间序列。文章的对CPI序列进行了离散小波分解,并重构得到了尺度序列和每层的细节序列;然后分别对其建立自回归模型并预测每个序列的下一个值,将得到的预测值相加得到了CPI预测值,再用预测值,利用建立的模型进行预测;最后,用标准差来衡量估计量的好坏。     

基于极值理论的商业银行同业拆借利率风险度量

文章首次将极值理论(EVT)和GJR模型相结合,对商业银行同业拆借利率风险度量问题进行了研究。首先,利用GJR模型捕获同业拆借利率数据中的序列自相关和异方差现象;接着,在获得近似独立同分布的残差序列的基础上,采用传统的极值理论对经过GJR模型筛选处理过的残差进行极值分析,并计算相应的风险价值;最后,利用LR方法进行回验测试,对模型的有效性进行检验。对2006年1月4日至2008年12月29日的同业拆借市场七天回购利率的实证研究表明,上述模型非常有效,适合用于我国商业银行的同业拆借利率风险度量。     

灰色差分预测模型及应用

为了解决舰船纵摇运动灰色预测问题,文章通过对灰色系统理论建模杌理的分析,从离散的角度出发,建立了光滑性数据序列的差分模型,并与其原GM(1,1)模型进行比较,最后用指数序列验证了差分模型预测的有效性,精度较高,该模型同样具有较好的实用性与有效性.研究结果表明可以将文章的模型作为原模型的近似形式加以利用.     

中国股票市场有效性实证研究

本文使用AR-GARCH-M模型,通过考察股票价格波动是否具有可预测性来检验市场的弱式有效性. 一、模型设定 对市场有效性的早期研究都假设股票收益的方差在不同时期保持不变,但是大量的实证研究表明这一假设不甚合理,不能客观地对金融市场随时间变化的特性进行准确的描述.金融时间序列的一个显著特点是条件异方差性.Engle(1982)提出自回归条件异方差(ARCH)模型,Bollerslev(1986)将其推广到广义ARCH模型(GARCH).这些模型假定收益的误差项服从条件期望为零,条件方差为以前若干期收益误差平方和的条件正态分布,其性质与金融市场的波动聚集性(Cluster)、收益序列的尖峰、厚尾以及非线性等特征相吻合.因此,为了研究中国股票市场的弱式有效性问题,我们用GARCH(1,1)类模型来模拟股市收益率,用模型残差项的条件方差描述股市的波动性.     

一种改进的近似非齐次指数增长离散灰色预测方法

近似非齐次指数增长离散灰色模型DGM(1,1)解决了原模型的固有偏差问题,但在解决现实中有阶跃扰动、大波动变化的初始序列的时候预测结果依然存在明显的偏差.文章在近似非齐次指数增长离散灰色模型中引入残差,构建偏差修正序列,并以其为初始序列重构预测模型,分情况对预测结果进行修正.通过算例进行比较分析,验证了改进模型的精确性和实用性.     

我国房屋销售价格指数AR模型的预测分析

随着房地产业经历了兴起-暴涨和理性回归之后,我国的房价将会何去何从一直为众多学者和决策者所关注.文章使用AR(1)形式的自回归模型结合自回归条件异方差模型对我国83个月度数据进行多模型实证,最终选择指数ARCH模型进行研究,并进行了信息冲击曲线和成分时间序列的绘制,最后对未来房价指数进行了预测.     

异方差性F的参数估计

在经典经济计量理论中,异方差现象的存在破坏了普通最小二乘法(OLS)参数估计中关于随机序列独立同分布的基本假定,从而使得用OLS法估计得到的模型Y=Xβ失去优良性,如(?)不再是参数β的最小方差线性无偏估计(BLUE),继而参数的显著性检验失去意义,预测误差加大等等,致使模型失效。在实际建模中,一般是这样处理这一问题的:(1)用图示法或等级相关系数、Goldfeld-Quandt、Bartlett等方法检查异方差现象是否存在于待建模型中。(2)对探明有异方差现象的模型,通过加权最小二乘法(WLS)、Glejser法和正确引入解释变量等方法将异方差模型转化为同方差模型后再进行参数估计。经典计量经济理论认为扰动项方差σ_t~2是解释变量X_t的函数,即σ_t~2=f(X_t)σ~2,之所以出现异方差现象,是因为对于不同的X_t∈R~p,f(X_t)发生了变化。如果已知函数f的具体形式,     

基于季节性ARIMA模型的居民消费水平预测

文章以居民消费价格指数(CPI)的短期预测作为切入点,采用定量的时间序列分析方法,建立季节自回归综合移动平均(季节性ARIMA模型)模型对CPI时间序列进行量化分析.首先阐述基于该模型的CPI预测的一般过程,即:平稳化处理、差分变换的阶数辨识、参数估计,时间序列模型的构建,然后对模型进行性能检验,确定较适合的季节自回归综合移动平均模型,最后在实证分析中探讨经济变量CPI与时间变量之间的变动规律,对CPI时间序列进行适当的差分处理,取得了较为理想的预测效果.     

单向面板回归模型中异方差类型的确定性检验框架

结合White检验和Hausman检验,在一个检验框架内对单向面板回归模型中异方差的七种类型进行研究,将误差项中的个体效应和时间效应进行分离,给出异方差类型的确定性检验方法和步骤。应用中国城镇居民总消费、居住消费和收入的数据进行实证分析,证实异方差类型确定性检验方法的实用性和可行性。