基于bootstrap的时间序列长记忆参数估计

发布时间：2023-10-11 23:55

　　本文主要研究在长记忆时间序列下Block Bootstrap方法的适用性。首先对经典流行的长记忆模型ARFIMA的发展进行了回顾与介绍,然后对于长记忆参数估计GPH估计法、R/S估计法和方差图估计法进行了介绍,简要叙述了估计方法的理论基础,产生过程和渐近性质等数学原理。在运用ARFIMA(0,d,0)模拟的长记忆数据时,来做bootstrap方法的长记忆参数估计,发现bootstrap不同块长抽样的改变对于结果稍有影响,总体来说置信区间的效果在样本较小的情况下效果显著,这也与bootstrap方法的初衷,针对小样本的运用不谋而合。而分析比较三种估计方法在bootstrap下对参数d的估计发现,R/S方法与方差图法更加的准确,而GPH估计方法,结果往往偏低。对于估计方法的选择这一点是我们利用bootstrap估计长记忆性时所特别需要注意的。实证方面,主要对国内外黄金市场价格收益率波动率情况进行了研究,通过长记忆参数的估计,检验出国内黄金AU9999与伦敦金收益率与波动率都具有显著的长记忆性,并通过比较,发现了国际伦敦金收益率的长记忆程度稍有更高,bootstrap在实验中也有效的控制住了...

【文章页数】：31 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
1 引论
    1.1 研究背景与意义
    1.2 本文主要内容和创新点
2 长记忆和ARFIMA建模
    2.1 平稳性
    2.2 长记忆
    2.3 AFIRMA(p,d,q)形式的过程
        2.3.1 ARMA过程
        2.3.2 ARIMA(p,d,q)过程
        2.3.3 ARFIMA(p,d,q)过程
3 长记忆参数估计与bootstrap抽样
    3.1 长记忆参数估计
        3.1.1 GPH方法
        3.1.2 R/S方法
        3.1.3 方差图(Variance Plots)方法
    3.2 在长记忆下的Block Bootstrap方法
4 Monte Carlo实验
    4.1 对实验模型的选择
    4.2 对估计方法的选择
    4.3 实验结果
5 国内外黄金市场长记忆分析
    5.1 沪金与伦敦金介绍
    5.2 估计方法
    5.3 结果分析
6 总结与展望
    6.1 内容总结
    6.2 未来展望
参考文献
致谢



本文编号：3853041