基于长记忆过程的中国通胀率与通胀不确定性关系研究
发布时间：2021-08-20 22:43
高通货膨胀时期,公众对于通货膨胀的预期难以准确形成,带来了通货膨胀不确定性上的影响。本文的研究目的在于实证检验中国通货膨胀率与通货膨胀不确定性之间的关系,研究选取合适的指标度量通货膨胀率与通货膨胀不确定性,再以通行的Granger因果关系检验来判断两个时间序列的影响关系。本文利用中国1990年1月至2008年12月的月度环比CPI数据,通过预处理得到通货膨胀率序列。对该通货膨胀率序列进行过程研究,发现其具有长记忆性,从而以长记忆过程ARFIMA（0, d, 0）对其进行建模,并发现模型拟合后的残差具有波动群集现象。继而,引入GARCH模型对条件异方差进行描述,而以条件异方差作为通货膨胀不确定性的度量,是比较合适和通行的手段。对估计的模型ARFIMA-GARCH,发现通货膨胀率的条件二阶矩也可能存在长记忆性,从而,进一步引入长记忆过程的FIGARCH模型来对通货膨胀不确定性进行描述。其中,研究认为残差项的偏t分布假设,在拟合结果上显示是较好的。以双长记忆过程的模型ARFIMA（0,d,0）- FIGARCH（1, d, 1）对中国通货膨胀率过程建模,得到条件异方差序列作为不确定性的度量。...
【文章来源】：南京航空航天大学江苏省 211工程院校
【文章页数】：52 页
【学位级别】：硕士
【部分图文】：
通货膨胀率序列的自相关函数图和一阶差分自相关函数图
log 808.556likelihood =括号内的数值为对应的待估参数检验统计量的t 值，*表示在 1%显著性水平下具有显著性。这里的d∧值在 1%显著性水平下显著，说明中国通货膨胀率均值过程存在显著的记忆性。对该过程的残差项过程{ }tε 进行描述，由图 3.5，可以观察到残差序列呈现明显的波动群集（Volatility clustering）现象，意味了残差具有着序列相关性。
图 3.6 通货膨胀率序列 ARFIMA(0, d, 0)模型拟合后的残差项分布特性3.3 通货膨胀不确定性过程建模利用 ARFIMA ( 0, d,0)模型刻画中国通货膨胀率过程后，其拟合后的残差项存在有明显的ARCH 效应，从而应用 GARCH 族模型对其进行研究，注意力则从均值方程转向方差方程，而论文是以条件方差作为通货膨胀不确定性的度量，从而也即意味着进入通货膨胀不确定性的过程研究。3.3.1 ARFIMA-GARCH 模型对通货膨胀率形成过程，以 ARFIMA 模型描述其均值方程，同时以 GARCH 模型描述其方差方程，这就构成了 ARFIMA-GARCH 模型，其形如(3.3.1)。( )( ) ( )( ) ( )2 2 21dt tt t tL L c LL Lπ εσ ω α ε β σΦ = + Θ= + +(3.3.1)其中， Φ ( L)为自回归算子， Θ ( L)为移动平均算子， ( )21 2qqα L = α L + α L + + αL，
【参考文献】：
期刊论文
[1]通货膨胀不确定性研究综述[J]. 苏梽芳. 中南财经政法大学学报. 2009(02)
[2]中国通货膨胀不确定性的实证研究[J]. 许志宏,赵昕东. 工业技术经济. 2008(07)
[3]中国通货膨胀与通货膨胀不确定性的非线性关系[J]. 胡日东,苏梽芳. 数量经济技术经济研究. 2008(02)
[4]我国通货膨胀率均值过程和波动过程中的双长记忆性度量与统计检验[J]. 刘金全,郑挺国,隋建利. 管理世界. 2007(07)
[5]我国通货膨胀是长期记忆性过程吗?[J]. 张晓蓉,李治国,徐剑刚. 上海经济研究. 2007(05)
[6]中国通货膨胀率及其波动关系分析[J]. 周宏山,李琪. 经济问题. 2006(12)
[7]基于ECM模型的货币供给量与通货膨胀关系研究[J]. 朱慧明,张钰. 管理科学. 2005(05)
[8]Markov区制转移模型与我国通货膨胀波动路径的动态特征[J]. 龙如银,郑挺国,云航. 数量经济技术经济研究. 2005(10)
[9]中国通胀水平与通胀不确定性:马尔柯夫域变分析[J]. 赵留彦,王一鸣,蔡婧. 经济研究. 2005(08)
[10]我国价格泡沫成分的形成机制分析与实证检验[J]. 崔畅,刘金全,唐立新. 财经研究. 2005(04)
本文编号：3354341
【文章来源】：南京航空航天大学江苏省 211工程院校
【文章页数】：52 页
【学位级别】：硕士
【部分图文】：
通货膨胀率序列的自相关函数图和一阶差分自相关函数图
log 808.556likelihood =括号内的数值为对应的待估参数检验统计量的t 值，*表示在 1%显著性水平下具有显著性。这里的d∧值在 1%显著性水平下显著，说明中国通货膨胀率均值过程存在显著的记忆性。对该过程的残差项过程{ }tε 进行描述，由图 3.5，可以观察到残差序列呈现明显的波动群集（Volatility clustering）现象，意味了残差具有着序列相关性。
图 3.6 通货膨胀率序列 ARFIMA(0, d, 0)模型拟合后的残差项分布特性3.3 通货膨胀不确定性过程建模利用 ARFIMA ( 0, d,0)模型刻画中国通货膨胀率过程后，其拟合后的残差项存在有明显的ARCH 效应，从而应用 GARCH 族模型对其进行研究，注意力则从均值方程转向方差方程，而论文是以条件方差作为通货膨胀不确定性的度量，从而也即意味着进入通货膨胀不确定性的过程研究。3.3.1 ARFIMA-GARCH 模型对通货膨胀率形成过程，以 ARFIMA 模型描述其均值方程，同时以 GARCH 模型描述其方差方程，这就构成了 ARFIMA-GARCH 模型，其形如(3.3.1)。( )( ) ( )( ) ( )2 2 21dt tt t tL L c LL Lπ εσ ω α ε β σΦ = + Θ= + +(3.3.1)其中， Φ ( L)为自回归算子， Θ ( L)为移动平均算子， ( )21 2qqα L = α L + α L + + αL，
【参考文献】：
期刊论文
[1]通货膨胀不确定性研究综述[J]. 苏梽芳. 中南财经政法大学学报. 2009(02)
[2]中国通货膨胀不确定性的实证研究[J]. 许志宏,赵昕东. 工业技术经济. 2008(07)
[3]中国通货膨胀与通货膨胀不确定性的非线性关系[J]. 胡日东,苏梽芳. 数量经济技术经济研究. 2008(02)
[4]我国通货膨胀率均值过程和波动过程中的双长记忆性度量与统计检验[J]. 刘金全,郑挺国,隋建利. 管理世界. 2007(07)
[5]我国通货膨胀是长期记忆性过程吗?[J]. 张晓蓉,李治国,徐剑刚. 上海经济研究. 2007(05)
[6]中国通货膨胀率及其波动关系分析[J]. 周宏山,李琪. 经济问题. 2006(12)
[7]基于ECM模型的货币供给量与通货膨胀关系研究[J]. 朱慧明,张钰. 管理科学. 2005(05)
[8]Markov区制转移模型与我国通货膨胀波动路径的动态特征[J]. 龙如银,郑挺国,云航. 数量经济技术经济研究. 2005(10)
[9]中国通胀水平与通胀不确定性:马尔柯夫域变分析[J]. 赵留彦,王一鸣,蔡婧. 经济研究. 2005(08)
[10]我国价格泡沫成分的形成机制分析与实证检验[J]. 崔畅,刘金全,唐立新. 财经研究. 2005(04)
本文编号：3354341
本文链接：https://www.wllwen.com/guanlilunwen/huobilw/3354341.html
