SGL门槛回归模型及其在股票分析中的应用
发布时间：2020-10-11 17:48
随着大数据时代的到来,社会经济领域的数据来源更为多元化。在股票市场中,股票收益率的影响因素一直是研究中的一个热点问题,从国内外学者的相关文献了解到,以往研究股票收益率时主要从宏观经济指标和微观经济指标两个方面分别研究。但随着数据来源的多元化,可供股票收益率研究的经济指标数量剧增,在现阶段研究中业界更希望找出那些对收益率有重要影响的因素。此外,对股票收益率的研究不应割离宏观经济指标与微观经济指标,且已有的研究表明宏观经济指标对股票收益率具有门槛效应。本文提出了带Sparse Group LASSO惩罚的门槛回归模型,既能够估计回归模型的门槛值同时能够对解释变量进行变量选择。为了能够正确估计回归模型的门槛值,使用光滑最小二乘法同时借助牛顿拉夫森法求解目标函数的极值,从而得到估计的门槛值。为了判断估计门槛值是否为真实门槛值,在目标函数中加入Sparse Group LASSO惩罚对变量进行选择,从而将真实门槛值的判断转换为变量选择问题。为了检验SGL门槛回归模型的参数估计及模型拟合的有效性,本文借助蒙特卡洛模拟方法,对一阶SGL门槛回归模型、二阶SGL门槛回归模型及其他对照模型的参数估计及模型拟合进行对比。蒙特卡洛模拟中,二阶SGL门槛回归模型的参数估计偏差与稳健性都优于其他四类模型,对关键参数的估计准确率能达到100%。本文将SGL门槛回归模型应用到股票市场,研究沪深300、中证500及中证800指数收益率的影响因素,67个解释变量分为三类:公司财务指标、基本面指标及风格因子指标,门槛变量为全国居民消费物价指数。实证中,二阶SGL门槛回归模型的模型拟合优于其他四组对照模型,其结果显示,沪深300指数收益率有两个真实门槛值:CPI=102.244及CPI=103.723;中证500指数收益率同样有两个真实门槛:CPI=102.026及CPI=104.037;中证800指数收益率也有两个真实门槛值:CPI=102.026及CPI=104.03。该结果拓展了现有研究认为股票收益率只有一个门槛值CPI=102的结论,发现在CPI=104附近同样会对股票收益率产生门槛效应。
【学位单位】：暨南大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：F832.51;O212.1
【部分图文】：
4图 1-1 ：本文的技术路线图1.3 本文的主要工作与结论本文提出了带 Sparse Group LASSO 惩罚的门槛回归模型，并给出了 SGL 门槛回归模型的光滑最小二乘参数估计方法，并分为一阶 SGL 门槛回归模型与二阶SGL 门槛回归模型。为了验证模型参数估计的效果，本文进行了蒙特卡洛数值模拟，对比 SGL 门槛回归模型、SCAD 门槛回归模型及普通最小二乘回归模型的参
是中小市值公司的股价表现，而沪深 300 指数与中证 800 指数里面市值较大的成分股往往具有较大的权重。因此，选择这三大类指数作为研究对象，能够很好地覆盖我国股市不同市值的上市公司。图5-1是三类指数收盘价的时间序列走势图，指数收盘价变量往往有很强的时序相关性，本文更关注各类指数的收益率表现，从长期来看指数收益率几乎是围绕着 0 上下游走。
图 5-2 ：A 股三类指数收益率时序图图 5-2 显示了我国股市三大类指数收益率的时间序列走势图，可以看到沪深300 指数和中证 800 指数的收益率比较重合，相对而言中证 500 指数收益率波幅较大。三大类指数收益率基本围绕着 0 点上下交替，大致可以认为是一个平稳的时间序列其均值为 0。除此之外，本文还关注的是指数收益率数据的历史分布情况。
【参考文献】
本文编号：2836915
【学位单位】：暨南大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：F832.51;O212.1
【部分图文】：
4图 1-1 ：本文的技术路线图1.3 本文的主要工作与结论本文提出了带 Sparse Group LASSO 惩罚的门槛回归模型，并给出了 SGL 门槛回归模型的光滑最小二乘参数估计方法，并分为一阶 SGL 门槛回归模型与二阶SGL 门槛回归模型。为了验证模型参数估计的效果，本文进行了蒙特卡洛数值模拟，对比 SGL 门槛回归模型、SCAD 门槛回归模型及普通最小二乘回归模型的参
是中小市值公司的股价表现，而沪深 300 指数与中证 800 指数里面市值较大的成分股往往具有较大的权重。因此，选择这三大类指数作为研究对象，能够很好地覆盖我国股市不同市值的上市公司。图5-1是三类指数收盘价的时间序列走势图，指数收盘价变量往往有很强的时序相关性，本文更关注各类指数的收益率表现，从长期来看指数收益率几乎是围绕着 0 上下游走。
图 5-2 ：A 股三类指数收益率时序图图 5-2 显示了我国股市三大类指数收益率的时间序列走势图，可以看到沪深300 指数和中证 800 指数的收益率比较重合，相对而言中证 500 指数收益率波幅较大。三大类指数收益率基本围绕着 0 点上下交替，大致可以认为是一个平稳的时间序列其均值为 0。除此之外，本文还关注的是指数收益率数据的历史分布情况。
【参考文献】
相关期刊论文 前7条
1 董秀良;吴仁水;张婷;;通货膨胀率与股票收益率关系——基于门槛回归模型的再检验[J];数理统计与管理;2013年01期
2 鲁钊阳;廖杉杉;;FDI技术溢出与区域创新能力差异的双门槛效应[J];数量经济技术经济研究;2012年05期
3 李梅;柳士昌;;对外直接投资逆向技术溢出的地区差异和门槛效应——基于中国省际面板数据的门槛回归分析[J];管理世界;2012年01期
4 李金霞;耿显民;;t-值剔除确定影响股价的主要因素[J];数理统计与管理;2011年06期
5 孔东民;;通货膨胀阻碍了金融发展与经济增长吗?——基于一个门槛回归模型的新检验[J];数量经济技术经济研究;2007年10期
6 王德劲,王宏炜,陈训波;向量误差校正模型在中国股票市场的应用——宏观经济变量与股票指数关系的实证分析[J];统计与信息论坛;2001年04期
7 刘志新,卢妲,黄昌利;中国股市预期收益率的横截面研究[J];经济科学;2000年03期
相关硕士学位论文 前1条
1 赵建业;上海股市收益率影响因素的门槛回归模型的实证研究[D];西南财经大学;2013年
本文编号：2836915
本文链接：https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/2836915.html
