分整阶数半参数估计的有限样本性质研究
发布时间：2019-10-14 14:39
【摘要】：随着对经济和金融时间序列长记忆性的研究,分整阶数估计已成为当前理论研究的焦点问题。以对数周期图回归和局部Whittle方法为代表的半参数分整阶数估计方法在实践中得到广泛应用,但对这两类半参数估计方法的有限样本性质的比较则鲜有涉及,影响了在实践中对估计方法的选择。利用蒙特卡洛模拟方法,在不同数据产生的过程下,对这两类半参数估计方法有限样本性质的研究结果表明:在ARFIMA(0,d,0)过程下,LW类估计量具有较好的小样本性质;在平稳ARFIMA(1,d,0)过程下,本文建议的QGPH估计量的有限样本性质要优于其他对数周期图估计量;在非平稳过程下,MGPH的偏差最小。
【图文】：
?156? 《数量经济技术经济研究》2014年第12期35|丨丨■u||丨^丨丨丨|丨丨1130|~~1111iriGPH T f\~~MGPH3.0 QGPH | 25 f ^PGPH—~?~AGPH|,| fi\~?~TGPH_三:=_-0.4-0.200.20.40.60.81.01.21.41.61.82.02.22.400.20.40.60.81.01.21.41.61.82.0图1GPH类分整阶数估计的核密度函数（c/=1.2，rr=512)4-°|"“i ！ 3.o| |iii-T——?~LW PL .八—^~MODW3.5—“—ELW ^广、—“LPW~*~HCLWJ\ 25 f~Y'"n—AFELWfMM0.20.40.60.81.01.21.41.61.82.0-0.4-0200.20.40.60.81.01.21.41.61.82.0图2局部Whittle类分整阶数估计的核密度函数（d=1.2,n=512)第三，当d=l.2时，修正GPH估计量、精准局部Whittle估计量、Tapered局部Whittle估计量、修正局部Whittle估计量和完全扩展局部Whittle估计量具有一致性，其他估计量以概率收敛于1。第四，在平稳IW)过程下，，LW类估计量的偏差和RMSE要小于GPH类估计量的偏差和RMSE,因此，在平稳过程IW)下，我们建议研究者使用LW类估计量对分整阶数进行估计；在平稳ARFIMA(1,d,0)下，QPPH估计量的有限样本性质要优于其他估计量；在非平稳区域下，MGPH和MODW的偏差明显减少且收敛速率加快，从偏差角度而言，MGPH是最好的选择。四、结语对金融时间序列长记忆性的研究是当前数量金融研究领域的一个研究重点，而分整阶数的估计是构建研究长记忆性的基矗当前，对于分整阶数的估计方法主要是以Geweke和Porter-Hudak(1983)提出的GPH估计量和Robinson(1995b)提出的局部Whittle估计量为代表的半参数估计方法，虽然这两类估计方法具有较好的大样本性质，而且对于这两类方法存在的不足，一些研究也在其基础上不断予以完善，?
?35|丨丨■u||丨^丨丨丨|丨丨1130|~~1111iriGPH T f\~~MGPH3.0 QGPH | 25 f ^PGPH—~?~AGPH|,| fi\~?~TGPH_三:=_-0.4-0.200.20.40.60.81.01.21.41.61.82.02.22.400.20.40.60.81.01.21.41.61.82.0图1GPH类分整阶数估计的核密度函数（c/=1.2，rr=512)4-°|"“i ！ 3.o| |iii-T——?~LW PL .八—^~MODW3.5—“—ELW ^广、—“LPW~*~HCLWJ\ 25 f~Y'"n—AFELWfMM0.20.40.60.81.01.21.41.61.82.0-0.4-0200.20.40.60.81.01.21.41.61.82.0图2局部Whittle类分整阶数估计的核密度函数（d=1.2,n=512)第三，当d=l.2时，修正GPH估计量、精准局部Whittle估计量、Tapered局部Whittle估计量、修正局部Whittle估计量和完全扩展局部Whittle估计量具有一致性，其他估计量以概率收敛于1。第四，在平稳IW)过程下，LW类估计量的偏差和RMSE要小于GPH类估计量的偏差和RMSE,因此，在平稳过程IW)下，我们建议研究者使用LW类估计量对分整阶数进行估计；在平稳ARFIMA(1,d,0)下，QPPH估计量的有限样本性质要优于其他估计量；在非平稳区域下，MGPH和MODW的偏差明显减少且收敛速率加快，从偏差角度而言，MGPH是最好的选择。四、结语对金融时间序列长记忆性的研究是当前数量金融研究领域的一个研究重点，而分整阶数的估计是构建研究长记忆性的基矗当前，对于分整阶数的估计方法主要是以Geweke和Porter-Hudak(1983)提出的GPH估计量和Robinson(1995b)提出的局部Whittle估计量为代表的半参数估计方法，虽然这两类估计方法具有较好的大样本性质，而且对于这两类方法存在的不足，一些研究也在其基础上不断予以完善，但在应用中，当面对不同的样本数
【作者单位】： 阜阳师范学院经济学院;厦门大学经济学院;
【基金】：国家自然科学基金重点项目(71131008/G0113) 教育部人文社会科学青年项目(13YJC910003) 福建省自然科学基金项目(2014J01270) 全国统计科研计划项目(2012LY015,2013LY044)的资助
【分类号】：F830;F224
本文编号：2549303
【图文】：
?156? 《数量经济技术经济研究》2014年第12期35|丨丨■u||丨^丨丨丨|丨丨1130|~~1111iriGPH T f\~~MGPH3.0 QGPH | 25 f ^PGPH—~?~AGPH|,| fi\~?~TGPH_三:=_-0.4-0.200.20.40.60.81.01.21.41.61.82.02.22.400.20.40.60.81.01.21.41.61.82.0图1GPH类分整阶数估计的核密度函数（c/=1.2，rr=512)4-°|"“i ！ 3.o| |iii-T——?~LW PL .八—^~MODW3.5—“—ELW ^广、—“LPW~*~HCLWJ\ 25 f~Y'"n—AFELWfMM0.20.40.60.81.01.21.41.61.82.0-0.4-0200.20.40.60.81.01.21.41.61.82.0图2局部Whittle类分整阶数估计的核密度函数（d=1.2,n=512)第三，当d=l.2时，修正GPH估计量、精准局部Whittle估计量、Tapered局部Whittle估计量、修正局部Whittle估计量和完全扩展局部Whittle估计量具有一致性，其他估计量以概率收敛于1。第四，在平稳IW)过程下，，LW类估计量的偏差和RMSE要小于GPH类估计量的偏差和RMSE,因此，在平稳过程IW)下，我们建议研究者使用LW类估计量对分整阶数进行估计；在平稳ARFIMA(1,d,0)下，QPPH估计量的有限样本性质要优于其他估计量；在非平稳区域下，MGPH和MODW的偏差明显减少且收敛速率加快，从偏差角度而言，MGPH是最好的选择。四、结语对金融时间序列长记忆性的研究是当前数量金融研究领域的一个研究重点，而分整阶数的估计是构建研究长记忆性的基矗当前，对于分整阶数的估计方法主要是以Geweke和Porter-Hudak(1983)提出的GPH估计量和Robinson(1995b)提出的局部Whittle估计量为代表的半参数估计方法，虽然这两类估计方法具有较好的大样本性质，而且对于这两类方法存在的不足，一些研究也在其基础上不断予以完善，?
?35|丨丨■u||丨^丨丨丨|丨丨1130|~~1111iriGPH T f\~~MGPH3.0 QGPH | 25 f ^PGPH—~?~AGPH|,| fi\~?~TGPH_三:=_-0.4-0.200.20.40.60.81.01.21.41.61.82.02.22.400.20.40.60.81.01.21.41.61.82.0图1GPH类分整阶数估计的核密度函数（c/=1.2，rr=512)4-°|"“i ！ 3.o| |iii-T——?~LW PL .八—^~MODW3.5—“—ELW ^广、—“LPW~*~HCLWJ\ 25 f~Y'"n—AFELWfMM0.20.40.60.81.01.21.41.61.82.0-0.4-0200.20.40.60.81.01.21.41.61.82.0图2局部Whittle类分整阶数估计的核密度函数（d=1.2,n=512)第三，当d=l.2时，修正GPH估计量、精准局部Whittle估计量、Tapered局部Whittle估计量、修正局部Whittle估计量和完全扩展局部Whittle估计量具有一致性，其他估计量以概率收敛于1。第四，在平稳IW)过程下，LW类估计量的偏差和RMSE要小于GPH类估计量的偏差和RMSE,因此，在平稳过程IW)下，我们建议研究者使用LW类估计量对分整阶数进行估计；在平稳ARFIMA(1,d,0)下，QPPH估计量的有限样本性质要优于其他估计量；在非平稳区域下，MGPH和MODW的偏差明显减少且收敛速率加快，从偏差角度而言，MGPH是最好的选择。四、结语对金融时间序列长记忆性的研究是当前数量金融研究领域的一个研究重点，而分整阶数的估计是构建研究长记忆性的基矗当前，对于分整阶数的估计方法主要是以Geweke和Porter-Hudak(1983)提出的GPH估计量和Robinson(1995b)提出的局部Whittle估计量为代表的半参数估计方法，虽然这两类估计方法具有较好的大样本性质，而且对于这两类方法存在的不足，一些研究也在其基础上不断予以完善，但在应用中，当面对不同的样本数
【作者单位】： 阜阳师范学院经济学院;厦门大学经济学院;
【基金】：国家自然科学基金重点项目(71131008/G0113) 教育部人文社会科学青年项目(13YJC910003) 福建省自然科学基金项目(2014J01270) 全国统计科研计划项目(2012LY015,2013LY044)的资助
【分类号】：F830;F224
【参考文献】
相关期刊论文 前1条
1 邓露;;基于ARFIMA(p,d,q)过程的半参数估计量分布特征及其有偏性研究[J];统计研究;2010年09期
【共引文献】
相关硕士学位论文 前1条
1 刘国旺;基于ARFIMA模型的上证指数收益率研究[D];广州大学;2012年
【相似文献】
相关期刊论文 前10条
1 王继霞;肖庆宪;;局部平稳短期利率扩散模型的半参数估计[J];经济数学;2013年04期
2 王春超;周先波;;社会资本能影响农民工收入吗?——基于有序响应收入模型的估计和检验[J];管理世界;2013年09期
3 ;[J];;年期
4 ;[J];;年期
5 ;[J];;年期
6 ;[J];;年期
7 ;[J];;年期
8 ;[J];;年期
9 ;[J];;年期
10 ;[J];;年期
相关硕士学位论文 前1条
1 薛小平;TOBIT模型及其在医疗费用研究中的应用[D];山西医科大学;2006年
本文编号：2549303
本文链接：https://www.wllwen.com/guanlilunwen/bankxd/2549303.html
