探索加密货币波动率预测中的模型不确定性问题:log转换、时区采样以及模型设定

文章全面地比较了一系列模型在预测加密货币波动率时的表现.结果发现,粗糙波动率模型在预测多期样本外的波动率时表现更加稳健和可靠,而异质自回归(HAR)模型相对较弱,但经过log转换后的HAR模型在预测上则表现更优.此外,考虑到加密货币的特点,选取合适的时区划分依据也非常重要,因为不同的时区可能对加密货币市场的波动率产生影响.研究还引入了最小二乘模型平均法来应对波动率建模中的模型不确定性.结果表明,模型平均方法在加密货币市场波动率预测中相比其他方法具有优越性,能够平衡不同模型之间的优缺点,提高预测的可信度和稳定性,对于预测市场的波动性是非常有效的.文章研究指出,在选择合适的波动率模型时需要综合考虑加密货币波动率的特性和历史表现,并且在应用模型时需要注意其在不同数据集和预测目标下的表现,避免盲目使用导致预测效果的不确定性.     

岭回归中基于广义交叉核实法的最优模型平均估计

岭回归是一种常用的用于克服多重共线性的压缩估计方法.文章在存在异方差的背景下,考察了组合不同岭参数下岭估计量的模型平均方法,并在广义交叉核实法的框架下构造了相应的权重选择准则.当拟合模型的设定存在偏误时,证明了基于广义交叉核实法的模型平均法可以给出渐近最优的预测.此外,使用蒙特卡洛模拟考察了所提出的模型平均方法在有限样本下的有效性.最终,使用所提出的方法对一组乙炔反应工艺的数据进行了分析,所得到的结论进一步表明,模型平均法在实际数据分析工作中具有较高应用价值.     

拟线性回归预测模型的稳定最小二乘解

可线性化回归预测模型通过换元进行线性回归,换元前后的因变量具有异方差性,致使拟线性回归参数的精度较低.运用GL算法给出了此类模型的稳定最小二乘解,提高了参数的估计精度,最后给出了一个应用实例.     

非参数异方差回归模型的局部多项式估计——基于农村居民消费与收入的实证分析

本文主要研究非参数异方差回归模型的局部多项式估计问题.首先利用局部线性逼近的技巧,得到了回归均值函数的局部极大似然估计.然后,考虑到回归方差函数的非负性,利用局部对数多项式拟合,得到了方差函数的局部多项式估计,保证了估计量的非负性,并证明了估计量的渐近性质.最后,通过对农村居民消费与收入的实证研究,说明了非参数异方差回归模型的局部多项式方法比普通最小二乘估计法的拟合效果更好,并且预测的精度更高.     

基于异方差的自回归预测模型的参数估计及其应用

从齐性方差的线性回归模型参数估计的最小二乘法出发,通过对统计资料的适当变换,利用加权最小二乘法,获得了异方差的线性自回归模型和四种异方差的非线性自回归模型的参数估计公式,并举例阐述了估计公式的应用.     

双边Burr分布及其在金融市场风险预测与优化中的应用

考虑到金融数据具有非对称、尖峰厚尾特征,文章将具有尖峰厚尾特征的Burr分布拓展至双边Burr(TSB)分布,给出了其重要的数字特征、极大似然估计、最小二乘估计以及加权最小二乘估计,并通过数值模拟验证了这三种参数估计方法的有效性.其次,文章基于TSB分布构建GJR-GARCH模型,旨在研究TSB分布相比于常见分布在度量金融风险方面的优势.实证结果表明,与正态分布、t分布、GED分布、双边Weibull分布和双边Lomax分布相比,基于该分布的GJR-GARCH模型具有最高的VaR预测精度.另外,文章将基于TSB分布的GJR-GARCH模型与Copula函数结合来构建均值-CVaR模型以研究多元投资组合的风险优化,实证研究亦表明能够刻画非对称特征的该模型具有更好的CVaR预测效果.最后,稳健性检验结果证实TSB分布对于金融风险预测以及投资组合优化的改进效果不依赖于波动率模型和Copula函数的设定.     

GARCH(1,1)模型及其在汇率条件波动预测中的应用

检验人民币/日元汇率与波动的时间序列特征,证实存在简单单位根过程及条件异方差性。计算表明,其汇率变化率的ARMA及ARMA/GARCH组合模型的建模不成立,GARCH、EGARCH、IGARCH模型的建模效果接近,且GARCH(1,1)拟合效果最好。GARCH(1,1)模型的跨度为一年的样本外条件异方差预测,显示出该年末汇率的震荡,与实际情况一致。GARCH(1,1)是汇率数据建娱的首选模型。     

基于最小二乘法的GM(1,1)模型在我国猪肉产量预测中的应用研究

猪肉产量受诸多因素影响,因此数据波动性大,并且具有小样本性及贫信息等特点.本文采用基于最小二乘法的GM(1,1)模型对我国未来几年内猪肉产量进行了短期预测.首先,介绍了GM(1,1)模型;然后,通过最小二乘法的原理弱化波动较大的数据,减少随机性,加强规律性,建立基于最小二乘法的GM(1,1)模型;其次,结合2008至2014年我国猪肉产量数据建立预测模型;最后,使用2014年数据对模型的可靠性进行验证,基于最小二乘法的GM(1,1)模型的预测结果更加接近实际值.预测结果显示未来3年中国猪肉产量将持续增加.该模型为其他相关预测提供了理论依据,也便于我国对未来猪肉产品市场进行宏观调控,维持猪肉市场平衡,避免猪肉价格波动风险.     

基于周期异方差季节单位根的加权估计与检验

为检验周期异方差的季节单位根模型,基于加权最小二乘估计,提出检验统计量,并在原假设下得到检验统计量的极限分布,与各个季节的周期异方差无关,是标准Wiener过程的泛函.模拟结果和实例分析都表明了用该方法检验季节单位根模型的有效性.     

协方差阵估计的比较

本文在一般线性回归模型误差异方差情况下，通过计算机模拟对回归系数最小二乘估计的协方差矩阵的估计进行了比较。结果表明，当样本大小大于50时，回归系数的最小二乘估计具有较高的估计精度；其协方差矩阵的五种估计以普通最小二乘估计的协方差矩阵为最优。     

基于跳跃、好坏波动率和马尔科夫状态转换的高频波动率模型预测

基于跳跃、好坏波动率的视角,采用比ABD检测更稳健的ADS检测法进行甄别跳跃,提出HAR改进模型,进一步考虑到实际波动率的非线性和高持续性动态,文章引入马尔科夫状态转换机制以构建对应的MRS-HAR族模型,推导其参数估计方法,并运用滚动时间窗预测技术和MCS检验评估预测模型结果,并采取不同的窗口期进行稳健性检验.以上海期货交易所的黄金连续(AU0)期货合约为研究对象,实证研究表明:结合马尔科夫状态转换机制,跳跃波动在上涨行情时会抑制未来波动性;结合马尔科夫状态转换机制,好坏波动率在上涨行情时正负冲击相对平衡,而在下跌行情时好(坏)波动率抑制(加剧)未来波动性;MCS检验证实,结合马尔科夫状态转换的MRS-HAR族模型相比于HAR族模型具有更优的预测精度,进一步考虑由ADS检测修正的好坏波动率和符号跳跃能够改善波动率模型的预测能力,其中基于符号跳跃和马尔科夫状态转换的MRS-HAR-RV-SJ模型展现了最高的预测精度.     

基于GMDH的LSSVM预测模型及其实证

自从Suykens提出新型统计理论学习方法-最小二乘支持向量机(LSSVM)以来,这种方法引起了广泛的关注,它在预测方面的良好性能得到了广泛应用.应用自组织数据挖掘(GMDH)方法改进LSSVM,提升了预测精度.首先利用GMDH方法选择有效的输入变量,再将这些变量作为LSSVM模型的输入,进行时间序列的预测,从而建立LSSVM和GMDH组合的混合模型GLSSVM.并通过汇率时间序列对本文模型进行了实证.结果表明,混合模型预测精度得到了明显的提高.     

基于最小二乘法的GM(1,1)模型在我国蔬菜产量预测中的应用研究

从2011年起,蔬菜产量和产值均超过粮食,已跃居成为中国的第一大农产品,其生产状况影响全国市场的稳定.蔬菜产量受诸多因素影响因此数据波动性大,并且具有小样本性及贫信息等特点.本文采用基于最小二乘法的GM(1,1)模型,应用灰色系统预测理论对我国未来几年内蔬菜产量进行了短期预测.首先介绍了普通GM(1,1)模型;然后通过最小二乘法的原理弱化波动较大的数据,减少随机性,加强规律性建立基于最小二乘法的GM(1,1)模型;其次结合2009至2013年我国蔬菜产量数据建立预测模型;最后经过误差检验并使用2014年数据对模型可靠性进行验证,基于最小二乘法的GM(1,1)模型的预测结果更加接近实际值.预测结果显示未来3年中国蔬菜产量将持续增加,该模型为其他相关预测提供了理论依据,也便于我国对未来蔬菜产品市场进行宏观调控,维持市场平衡,避免价格波动风险.     

果蝇优化最小二乘支持向量机混合预测模型—以我国物流需求量预测为例

为解决最小二乘支持向量机参数设置的盲目性,利用果蝇优化算法对其参数进行优化选择,进而构建了果蝇优化最小二乘支持向量机混合预测模型.以我国物流需求量预测为例,验证了该模型的可行性和有效性.实例验证结果表明:与单一最小二乘支持向量机和模拟退火算法优化最小二乘支持向量机预测模型相比,该模型不仅能够有效选择参数值,而且预测精度更高.     

惩罚的偏最小二乘

本文研究了二个推广的惩罚的偏小二乘模型,将惩罚估计的算法作用于偏最小二乘估计上,得到了参数的最终估计.将此模型运用到一个实际数据,在预测方面获得了较好的结果.     

上海市社会总抚养比的预测分析——基于最小二乘法的改进GM（1,1）模型

上海市社会总抚养比受到诸多因素的影响,导致数据波动性较大,单纯地采用灰色预测模型无法更加准确地进行预测,因此文章提出了基于最小二乘法的改进GM（1,1）模型.首先文章介绍了普通GM（1,1）模型的建立方法与步骤;接着通过采用最小二乘法的原理弱化波动较大的数据,加强其规律性从而建立新的GM（1,1）模型;最后结合2007-2011年上海市社会总抚养比数据建立新的预测模型,并用2012年数据对模型进行验证合格,可以用来预测未来几年上海市社会总抚养比,便于该市对未来经济的发展宏观调控.结果表明该预测方法是合理可行的,为其他相关预测提供了理论依据.     

美式期权隐含波动率校准问题的研究

研究的是美式期权的隐含波动率校准问题.首先提出一个正则化的最小二乘方法,在对其惩罚问题研究后找到最小二乘问题的最优条件,并给出美式期权波动率校准问题的算法.最后,通过数值算例说明了方法的有效性.     

基于数据分解集成和高频数据建模的汇率波动率预测

汇率波动率是刻画外汇金融资产收益变化程度的指标，也是度量外汇风险的方法之一，汇率波动对经济与金融系统都有重要的影响。由于非平稳和非线性的特征，准确预测汇率波动率一直是金融研究的重点和难点。为了提高预测汇率波动率的准确性，本文采用基于人民币汇率高频数据计算的已实现波动率和机器学习方法，对数据进行分解集成和建模，提出了一种有效的多尺度EEMD-PSR-SVR-ARIMA预测模型。具体过程如下：首先，采用集合经验模态分解(EEMD)的方法将复杂的时间序列分解成不同尺度的本征模态函数和趋势项；然后采用支持向量回归(SVR)的方法对本征模态函数进行预测，并利用相空间重构和粒子群优化的方法来确定SVR模型的输入维数与参数。同时，使用差分自回归移动平均模型(ARIMA)预测趋势项；最后集成得到模型预测的结果。实证结果表明EEMD-PSR-SVR-ARIMA模型可以有效地提高汇率波动率预测的精度。     

最小二乘估计精度及其界限

Puntanen[1]提出用均方误差来度量最小二乘估计的精度,以后Styan[2],Rao[3]等相继讨论了这种精度及其界限.本文考虑采用广义方差,从而引进了一种新的最小二乘估计精度的度量并讨论了它的界.     

随机环境下的一类衍生的ARCH模型的极限行为

提出了随机环境下的幂变换门限自回归条件异方差模型,得出了其以几何速率收敛的充分条件.该模型反映了动力系统受随机环境干扰的现象,能更好的拟合现实世界中的诸多实际问题.另一方面,本文推广了自回归条件异方差模型,改善了模型的适应性程度,能够更好地适用于各种不同的金融市场价格行为波动的现象.