基于RLS过程和测度变换的模型误设问题研究

发布时间：2024-07-05 22:40

　　近些年,重大且难以预料的事件频发,对世界经济和金融产生了巨大影响,也引发了研究者对模型误设问题的更多关注。在此背景下,本文从两个维度展开对重大事件影响下模型误设问题的研究:模型不稳定性和不确定性。模型不稳定性是时间维度上的概念,即不同时点上的真实数据生成过程可能不一样,参数稳定不变的模型难以准确刻画实际经济中的巨大变化;模型不确定性是空间维度上的概念,即在同一时间点上,由于真实数据生成过程不可观测,很难确定用哪一个模型来刻画真实的研究对象。本文分别利用随机水平转移(RLS)时变系数和概率测度变换两种方法,试图解决模型不稳定性和不确定性的问题。两种方法最终均以修正模型系数的方式改善了模型误设问题。在三个具体经济问题的应用中,改进的模型对实际经济数据有了更贴切的刻画,极大降低了模型误设导致的偏差。首先,本文发现重大经济事件、金融危机、央行重大货币政策干预等都会对利率期限结构产生结构性的影响,如果依然沿用传统的利率期限结构模型会导致模型误设的问题出现。因此,本文第三章在经典动态Nelson-Siege模型的基础上引入随机水平转移(RLS)的时变参数过程,构建了新的预测模型。模型内置的RLS过...

【文章页数】：132 页

【学位级别】：博士

【部分图文】：

图3-1日度收益率曲线

本文所使用的收益率数据集从2006年2月9日开始到2019年6月28日截止,总共包含11种期限的国债。与DieboldandLi(2006)中仅分析月度数据不同的是,本文的研究集中在包含更多市场信息的日度数据上,该做法使得对仅存几个月期限的短期国债的收益率的预测变得可行,另外....

图3-3RLS截距项的滤波估计值

最后,表3-5展示了不同模型样本内拟合的效果比较结果。我们计算了不同模型样本内拟合所得残差的均值和标准差,并在表的最后一行列出了残差平方和SSR。从表中可以看出截距项RLS设置的预测模型RLS-μ,不管是让其中的概率不变还是让其概率变化,所得的SSR都比各DNS模型的小很多。在概....

图3-3RLS截距项的滤波估计值

图3-3RLS截距项的滤波估计值3.4.2样本外预测

图4-1SW与RLS-intercept的预测比较结果

将上述附表中两阶段模型在两个子样本中的预测结果综合整理成全样本结果,并将上述四种RLS时变系数预测模型在全样本中的RMSE比值与两阶段模型在全样本中的比值做差,对所有序列的差值进行统计,统计结果以直方图的形式分别展现在了图4-1、图4-2、图4-3和图4-4中。四个图依次对应将截....

本文编号：4001652