基于ICA-NN-GARCH的股票波动率模型研究

发布时间：2023-02-26 21:38

　　随着我国金融市场的壮大,股票市场在金融市场中的地位更加重要,充分认识风险的存在、做好防范风险准备有利于股票市场的稳定。股票波动率是衡量金融风险的重要指标,计算股票波动率能够预测股票未来走势,为投资者和管理者提供更精确的选择方向,防范风险。学者们对股票波动率研究已经取得了很大进展,但是在预测准确性方面还有待提升,因此,本文以新旧动能转换的5个板块10支股票为研究样本,建立了准确性更高的模型预测股票波动率。由于高维金融时间数据具有复杂性,使用单一的广义自回归条件异方差模型(GARCH模型)处理高维数据会存在预测精度偏低和不够准确等问题,并且GARCH模型也存在待估参数过多、计算不够简洁等问题,因此本文采用多元波动率模型,以此来更准确有效地预测股票波动率。首先,本文选择独立成分分析方法(ICA)提取高维信息,ICA方法能够快速高效地提取数据中的独立成分,从而起到降维的作用,并且ICA方法有计算简洁、耗用内存小的特性。其次,本文选用GARCH模型消除由于时间序列造成的异方差性,GARCH模型在处理金融数据中的线性部分具有较大的优势,在对非线性的数据进行拟合时,可以通过结合神经网络(NN)来完成...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景
    1.2 研究意义
        1.2.1 理论意义
        1.2.2 现实意义
    1.3 研究现状
        1.3.1 关于单一波动率模型的研究
        1.3.2 关于多元波动率模型的研究
    1.4 本研究的创新点和难点
        1.4.1 本研究的创新点
        1.4.2 本研究的难点
    1.5 本研究的内容与方法
        1.5.1 研究内容
        1.5.2 研究方法
2 独立成分分析方法(ICA)的基本原理
    2.1 独立成分分析基本原理
        2.1.1 独立成分分析的概念
        2.1.2 独立成分分析的模型
    2.2 独立成分分析的求解过程
        2.2.1 预处理
        2.2.2 目标函数的选取
        2.2.3 优化算法的选择(Fast ICA)
    2.3 独立成分分析的应用
    2.4 本章小结
3 股票波动率产生的原因及特征分析
    3.1 股票价格波动周期性
    3.2 股票波动率产生的原因分析
    3.3 股票波动率特征分析
    3.4 本章小结
4 基于ICA-NN-GARCH的波动率模型研究
    4.1 波动率模型
        4.1.1 GARCH模型
        4.1.2 BEKK模型
        4.1.3 EWMA模型
        4.1.4 DCC-GARCH模型
    4.2 NN-GARCH模型
        4.2.1 神经网络
        4.2.2 建立NN-GARCH模型
    4.3 建立ICA-GARCH模型和ICA-NN-GARCH模型
        4.3.1 ICA-GARCH模型
        4.3.2 ICA-NN-GARCH模型
    4.4 本章小结
5 基于ICA-NN-GARCH的波动率模型实证研究
    5.1 数据描述
        5.1.1 数据选择
        5.1.2 数据统计描述
        5.1.3 平稳性检验
    5.2 模型估计
    5.3 波动率模型在VaR中的应用
        5.3.1 VaR相关理论
        5.3.2 波动率模型在VaR中的应用分析
    5.4 本章小结
6 结论与展望
    6.1 结论
    6.2 展望
参考文献
攻读学位期间发表的学术论文
致谢



本文编号：3750938