条件异方差模型的实证研究

发布时间：2017-10-09 19:20

  本文关键词：条件异方差模型的实证研究

  更多相关文章： 自回归条件异方差(ARCH)模型 广义自回归条件异方差(GARCH)模型 门限自回归(TAR)模型 门限自回归条件异方差(TARCH)模型 参数估计 实证研究

【摘要】：时间序列在早期一直被线性的假设所主导,70年代后期,人们愈来愈清楚地看到线性模型存在的诸多局限,为较好地解决这些问题,非线性时间序列模型被提出。本文主要研究了非线性时间序列模型的建模方法,并应用于实际问题,运用Matlab软件对股票数据和汇率数据进行建模分析。在时间序列建模时,回归误差的条件方差一般不再是常值,随时间而变化。传统的线性模型无法客观的进行描述,Engle于1982年提出了采用自回归条件异方差(ARCH)模型来拟合此现象,文中介绍了ARCH模型以及广义自回归条件异方差(GARCH)模型的建模过程,同时概括了对模型合理性的检验,对估计参数的检验及预测等。并针对上证指数数据实现了整个建模过程,通过置信度为95%的一步预测的置信区间结果看出ARCH模型更好的反应了数据的波动性。1978年Tong提出了门限自回归(TAR)模型,TAR模型能够解释金融数据中经常表现出来的一些非线性性质,如周期性和不对称性、波动的聚集性、波动的跳跃现象和时间的不可逆性等等。本文对Tong提出的建模方法以及Tsay提出的对TAR模型的检验方法、建立模型步骤进行了介绍,同时概括了门限自回归条件异方差(TARCH)模型的建模过程及模型检验方法。最后,针对美元与澳元的汇率实现了整个建模过程,得到了较理想的结果。
【关键词】：自回归条件异方差(ARCH)模型 广义自回归条件异方差(GARCH)模型 门限自回归(TAR)模型 门限自回归条件异方差(TARCH)模型 参数估计 实证研究
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O212.1
【目录】：

• 摘要4-5
• Abstract5-8
• 引言8-11
• 1 预备知识11-13
• 1.1 数据预处理11
• 1.2 自相关函数(ACF)与偏自相关函数(PACF)11-12
• 1.3 信息准则函数12-13
• 2 线性模型13-19
• 2.1 线性时间序列模型简介13-14
• 2.2 建立模型14-17
• 2.2.1 最小二乘估计14-17
• 2.2.2 极大似然估计方法17
• 2.3 预测17-19
• 3 自回归条件异方差(ARCH)模型19-35
• 3.1 自回归条件异方差(ARCH)模型简介19-21
• 3.2 ARCH效应检验21-23
• 3.3 建立模型23-26
• 3.3.1 最小二乘估计23-24
• 3.3.2 极大似然估计24-26
• 3.4 模型检验26-27
• 3.5 预测27
• 3.6 实例分析27-35
• 3.6.1 ARCH效应检验29-30
• 3.6.2 ARCH建模30-33
• 3.6.3 预测33-35
• 4 门限自回归条件异方差(TARCH)模型35-49
• 4.1 门限自回归(TAR)模型简介35-36
• 4.2 非线性检验36-37
• 4.3 建立模型37-39
• 4.3.1 Tong的方法37-39
• 4.3.2 Tsay的方法39
• 4.4 门限自回归条件异方差(TARCH)模型39-43
• 4.4.1 门限自回归条件异方差(TARCH)模型简介39-40
• 4.4.2 建立模型40-43
• 4.5 实例分析43-49
• 4.5.1 数据预处理43-45
• 4.5.2 建立模型45-49
• 结论49-50
• 参考文献50-52
• 附录A 3.6实例分析Matlab程序52-56
• 附录B 4.5实例分析Matlab程序56-68
• 致谢68-69

【相似文献】

中国期刊全文数据库 前10条

1 施久玉,杜金观;有限个状态时间序列的某些结果[J];应用数学学报;1990年01期

2 冯希杰;长江三峡及其邻区断裂活动时间序列[J];华南地震;1991年02期

3 王霞,郭嗣琮,刘淑娟;时间序列模糊滑动预测[J];辽宁工程技术大学学报(自然科学版);1999年03期

4 温品人;时间序列预测法的实际应用分析[J];江苏广播电视大学学报;2001年06期

5 许清海;混沌投资时间序列的嬗变[J];漳州师范学院学报(自然科学版);2003年01期

6 程毛林;时间序列系统建模预测的一种新方法[J];数学的实践与认识;2004年08期

7 高洁;长记忆时间序列适应性预测的应用[J];江南大学学报;2004年05期

8 高洁;孙立新;;长记忆时间序列的适应性预测误差的谱密度[J];统计与决策;2006年13期

9 杨钟瑾;;浅谈时间序列的分析预测[J];中国科技信息;2006年14期

10 李健;孙广中;许胤龙;;基于时间序列的预测模型应用与异常检测[J];计算机辅助工程;2006年02期

中国重要会议论文全文数据库 前10条

1 周家斌;张海福;杨桂英;;多维多步时间序列预报方法及其应用[A];中国现场统计研究会第九届学术年会论文集[C];1999年

2 马培蓓;纪军;;基于时间序列的航空备件消耗预测[A];中国系统工程学会决策科学专业委员会第六届学术年会论文集[C];2005年

3 卢世坤;李夕海;牛超;陈蛟;;时间序列的非线性非平稳特性研究综述[A];国家安全地球物理丛书（八）——遥感地球物理与国家安全[C];2012年

4 李强;;基于线性模型方法对时间序列中异常值的检测及证券实证分析[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策（上册）[C];2002年

5 戴丽金;何振峰;;基于云模型的时间序列相似性度量方法[A];第八届中国不确定系统年会论文集[C];2010年

6 谢美萍;赵希人;庄秀龙;;多维非线性时间序列的投影寻踪学习逼近[A];'99系统仿真技术及其应用学术交流会论文集[C];1999年

7 张大斌;李红燕;刘肖;张文生;;非线性时问序列的小波-模糊神经网络集成预测方法[A];第十五届中国管理科学学术年会论文集（下）[C];2013年

8 黄云贵;;基于时间序列的电网固定资产投资规模研究[A];2012年云南电力技术论坛论文集（文摘部分）[C];2012年

9 李松臣;张世英;;时间序列高阶矩持续和协同持续性研究[A];21世纪数量经济学（第8卷）[C];2007年

10 陈赫;罗声求;;历史横断面数据的时间序列化[A];科学决策与系统工程——中国系统工程学会第六次年会论文集[C];1990年

中国重要报纸全文数据库 前6条

1 ;《时间序列与金融数据分析》[N];中国信息报;2004年

2 何德旭 王朝阳;时间序列计量经济学：协整与有条件的异方差自回归[N];中国社会科学院院报;2003年

3 刘俏;让数据坦白真相[N];21世纪经济报道;2003年

4 西南证券高级研究员 董先安邋德圣基金研究中心 郭奔宇;预计6月CPI同比上涨7.2%[N];证券时报;2008年

5 东证期货 王爱华　杨卫东;两年涨跌轮回 秋季普遍下跌[N];期货日报;2009年

6 任勇邋郑重;中国对世界钢材价格的影响实证分析[N];现代物流报;2007年

中国博士学位论文全文数据库 前10条

1 张墨谦;遥感时间序列数据的特征挖掘：在生态学中的应用[D];复旦大学;2014年

2 张德成;滑坡预测预报研究[D];昆明理工大学;2015年

3 苗圣法;时间序列的模式检测[D];兰州大学;2015年

4 翁同峰;时间序列与复杂网络之间等价性问题及表征应用研究[D];哈尔滨工业大学;2015年

5 杨婷婷;用Argo浮标结合卫星观测估算北太平洋经向热输运[D];中国科学院研究生院(海洋研究所);2015年

6 史文彬;时间序列的相关性及信息熵分析[D];北京交通大学;2016年

7 原继东;时间序列分类算法研究[D];北京交通大学;2016年

8 卢伟;基于粒计算的时间序列分析与建模方法研究[D];大连理工大学;2015年

9 王晓晔;时间序列数据挖掘中相似性和趋势预测的研究[D];天津大学;2003年

10 李桂玲;时间序列的分割及不一致发现研究[D];华中科技大学;2012年

中国硕士学位论文全文数据库 前10条

1 陈健;基于多变量相空间重构的投资组合策略研究[D];华南理工大学;2015年

2 兰鑫;时间序列的复杂网络转换策略研究[D];西南大学;2015年

3 米晓将;区域尺度下月均气温的时空演化格局研究[D];昆明理工大学;2015年

4 张鸣敏;基于支持向量回归的PM_(2.5)浓度预测研究[D];南京信息工程大学;2015年

5 林健;基于改进小世界回声状态网的时间序列预测[D];渤海大学;2015年

6 曹智丽;日气温和干旱指数支持向量回归预测方法[D];南京信息工程大学;2015年

7 高雄飞;基于分形理论的土壤含水量时间序列特性分析[D];长安大学;2015年

8 姚茜;城市安全生产发展目标研究[D];中国地质大学(北京);2015年

9 谢翠颖;苏州社会消费品零售总额简析[D];苏州大学;2015年

10 包仁义;基于时间序列的搜索引擎评估模型算法研究[D];东北师范大学;2015年

，

本文编号：1001961