分整参数估计方法应用研究

发布时间：2020-11-05 08:43

　　 随着时间序列计量经济学的迅速发展,学者们逐渐发现当时间序列表现为非平稳时,单整作为传统处理非平稳性的方法得到的结果在检验中不尽一致,这说明目前处理非平稳性的方法还有发展空间,因此,研究者们将单整进行扩展后得到了分整理论。由于分整理论和分整模型的出现,当时间序列表现出长记忆性特征时,运用合理的分整方法和适当的分整模型,能进一步详细描述该时间序列的记忆特征,在此过程中,分整参数作为描述时间序列记忆性的重要参数,对分整参数的估计显得尤为重要。尽管现有文献已经广泛运用各种分整参数半参数估计方法对宏观经济、股票市场、证券市场、期货市场、汇率市场中的时间序列长记忆进行了分析,其中具有代表性的方法有GPH、Sperio、LW和ELW等,但并没有明确指出不同类型的时间序列究竟在何种半参数估计方法下进行建模能得到最优的结果,也少有分整模型与单整模型的结果比较。本文试图从这个角度出发,通过对不同估计方法的应用研究建模结果来分析适合宏观经济中CPI序列、上证综指和沪深300股票指数序列最适合的分整参数估计方法究竟是哪一种,并将之与单整应用研究建模结果进行对比。首先通过理论分析分整序列的定义、检验方法和常用模型,其次对分整参数的半参数估计方法做了一定描述。其次用实际的宏观经济数据和股票指数数据分析各种方法在不同带宽下的变化情况,比较四种方法的优劣得出:尽量避免使用GPH方法,择优选择Sperio和ELW方法。最后,通过经验选择带宽在a=0.5时估计得到的d值进行建模,并比较在分整与单整方法模型下的结果。根据建模分析结果,选择得到适合该序列的最优分整参数估计方法,宏观经济序列适合Sperio估计方法,股票指数日收益率适合ELW方法。本文得到的主要结论:1.在实际的分整参数估计方法选择中,避免使用GPH方法,根据样本数据量大小,择优选择Sperio方法和ELW方法。2.当时间序列具有长记忆性时,传统的单整模型拟合效果没有分整模型拟合效果好。3.宏观经济中的CPI序列,应考虑数据具有长记忆性,并用分整方法对其进行分析处理,最后得出用Sperio方法估计分整参数比其他方法得到的结果要好。4.股票价格指数日收益率序列用ELW方法估计分整参数比其他方法得到的结果要好,且分整结果明显优于单整。
【学位单位】：贵州财经大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：F224;F832.51
【部分图文】：

图 1 CPI 和 DCPI 序列走势左边是CPI序列走势图，可以看出有很明显的非平稳性，且在2008年期间呈现出从高陡降到低的走势，到了2009年又呈现v字型的上升趋势。通过ADF单位根检验得到CPI序列的t统计量值为-2.535558，对应概率P值为0.1095，大于10%显著性水平下的临界值-2.578601，证明CPI序列的确是存在单位根的非平稳序

图 5 上证综指(ZZ)和沪深 300 指数(HS)的日收益率走势图对数据进行描述性统计分析，从中得到样本的各种特征及其所代表的总体性特征进行描述。表 10 为两大股指序列的描述性统计分析结果。
【参考文献】

相关期刊论文 前4条

1 杨楠;柳预才;;基于分形分析的国际金价波动长记忆性识别与预测研究[J];数理统计与管理;2013年05期

2 刘钊宏;赵肖林;;ARIMA模型对上证新综指预测效果分析[J];中国证券期货;2011年10期

3 汪志红;王斌会;;基于ARFIMA(p,d,q)模型的中国股市长期记忆性研究[J];商场现代化;2011年12期

4 俞婕;;中国股市波动的变动长期记忆性研究[J];统计与决策;2010年05期

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

本文编号：2871399