马尔科夫区制转移GARCH模型及其在中国股市数据分析中的应用

发布时间：2017-07-16 12:31

  本文关键词：马尔科夫区制转移GARCH模型及其在中国股市数据分析中的应用

  更多相关文章： GARCH模型 马尔科夫链 MS-GARCH模型 EM算法

【摘要】：Robert Engle(1982)提出自回归条件异方差(ARCH)模型,用来描述金融时间序列的波动特性。Bollerslev(1986)在Engle的工作基础上建立了广义自回归条件异方差(GARCH)模型,这种模型及其拓广形式已被广泛应用于经济和金融时间序列分析。实际中由于宏观政策的调整或经济结构的变化,可能导致计量模型的系数发生改变,马尔科夫区制转移(MS)模型是捕捉这种系数变化的重要模型。本文主要研究带马尔科夫区制转移的GARCH(MS-GARCH)模型及其在中国股市数据分析中的应用,因此该研究有理论和实际应用价值。本文首先回顾EM算法、GARCH模型参数估计的两步估计法、MS模型等基础知识。接下来在GARCH模型基础上引入马尔科夫区制转移,构建了均值方程和方差方程均随区制变化的MS-GARCH模型。对该模型估计时,除系数、转移概率需要估计外,还需对序列所属区制进行推断,有一定难度。本文将GARCH模型的两步估计与EM算法相结合,详细地给出了估计和推断的算法及步骤。最后对上海证券综合指数2006年1月4日到2015年12月31日间的日收益率序列进行了实证分析。结果表明:第一、样本期间上证综指日收益率序列存在明显的波动聚集和区制转移现象,可分为三个不同区制;第二、与其它模型比较的结果显示MS-GARCH模型对样本数据的描述更为准确;第三、本文提出的MS-GARCH模型的参数估计方法是比较有效的。
【关键词】：GARCH模型 马尔科夫链 MS-GARCH模型 EM算法
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224;F832.51
【目录】：

• 摘要4-5
• Abstract5-8
• 第1章 绪论8-13
• 1.1 研究背景8-9
• 1.2 国内外文献综述9-12
• 1.2.1 GARCH模型和MS模型的研究现状9-10
• 1.2.2 MS模型在国内的应用回顾10-12
• 1.3 本文结构12-13
• 第2章 基础知识13-19
• 2.1 EM算法13-14
• 2.2 ARCH模型14-15
• 2.2.1 ARCH模型的概念14
• 2.2.2 ARCH模型的性质14-15
• 2.3 GARCH模型15-17
• 2.3.1 GARCH模型的概念15-16
• 2.3.2 GARCH模型的估计16-17
• 2.4 非线性GARCH模型17-18
• 2.5 本章小结18-19
• 第3章 马尔科夫区制转移模型19-27
• 3.1 马尔科夫链19-21
• 3.2 状态的转移概率及状态所属的推断21-24
• 3.2.1 状态的转移概率21-22
• 3.2.2 时间序列观测值所属状态的推断22-24
• 3.3 MS-AR模型24-26
• 3.3.1 MS-AR模型的概念24
• 3.3.2 MS-AR模型的估计24-26
• 3.4 本章小结26-27
• 第4章 MS-GARCH模型27-38
• 4.1 MS-GARCH模型的定义27-29
• 4.2 MS-GARCH模型的估计29-37
• 4.2.1 EM算法的性质及应用29-31
• 4.2.2 参数估计31-37
• 4.3 本章小结37-38
• 第5章 实证分析38-46
• 5.1 样本的描述性分析38-40
• 5.2 MS-GARCH模型的应用40-42
• 5.3 不同模型的优劣比较42-45
• 5.4 本章小结45-46
• 结论46-47
• 参考文献47-50
• 致谢50

，

本文编号：548718