基于非参数GARCH-M模型的金融市场波动性研究

发布时间：2020-06-18 22:20

【摘要】： 本文提出了一套用来对金融时间序列的波动率进行预测的且有着较强适应性的非参数GARCH-M建模方法。基于模拟数据和实际数据对非参数GARCH-M模型和简单参数GARCH-M模型的估计和预测效果比较发现,本文提出的非参数GARCH-M模型在对波动率的估计和预测效果上都显著的优于参数GARCH-M模型。本文构造的非参数GARCH-M模型是基于前期收益率序列和前期波动率估计序列的双变量B样条基回归方法得出的。在模拟研究中发现,协分梯度下降算法得出的优化模型的拟合效果严重地依赖于迭代次数M的选择。本文基于检验样本的模型拟合信息准则Hanna-Quinn的值最小化来选择迭代次数M,通过对模拟数据的研究发现此方法能有效地防止波动率估计出现异常值。在对模型优化的算法上,本文在更新波动率估计的同时也更新了模型均值方程系数的估计,并在模拟研究中发现这能显著地提高对均值方程系数估计的准确度。最后基于美国纳斯达克银行指数的实证分析结果表明在对波动率的预测的效果上,本文提出的B样条GARCH-M模型显著的优于参数GARCH-M模型。
【学位授予单位】：复旦大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：F224;F830.9
【图文】：

(4.2)由。厂和f的函数形式可以看出来，随机数据模拟过程是非线性的，类似于非参数的GARCH(2，l)一M过程。由f的函数表达式可以看出，条件方差的变动符合实际金融波动率的主要特点，如正负抖动反应不对称性和波动率聚集等。下面是任取一次由上面随机数据模拟过程生成的数据时间序列图。

实际金融波动率的主要特点，如正负抖动反应不对称性和波动率聚集等。下面是任取一次由上面随机数据模拟过程生成的数据时间序列图。图4一l一1:随机生成的一组模拟收益率序列

【引证文献】

相关硕士学位论文 前2条

1 关艺锋;中外创业板的比较研究[D];广西师范大学;2011年

2 但福金;早籼稻期货市场流动性与波动性关系的实证研究[D];江西财经大学;2012年

本文编号：2719914