基于一类长记忆过程的经济时间序列建模研究

本文介绍了长记忆的概念 ,首次提出了一种与 ADF检验相结合的长记忆性判断方法。给出了将参数 d的初估计与近似极大似然估计相结合 ,将时间序列长记忆分析与短记忆分析相结合的建立ARFIMA模型的方法。论文进行了实证研究 ,并证明了该模型与其它模型相比的优效性     

基于小波变换的LMSV模型对人民币汇率波动的研究

将小波引入到LMSV模型波动长记忆性的估计与检验中,提出了基于小波变换的LMSV模型波动长记忆性的伪极大似然估计法和波动长记忆性的检验方法,并对各汇率波动序列长记忆效应的大小程度进行了验证．结果表明各汇率波动序列存在长记忆效应．人民币对美元的汇率波动序列受历史信息的影响程度最高．     

金融时间序列中单位根的检验:在亚太地区主要股票市场中的应用(英文)

本文运用分数差分的方法研究了亚太地区主要股票市场的日股票价格.根据数据特征,我们运用了Robinson(1994)年提出的检验统计量的一种特殊形式对金融数据的单位根和不稳定性进行检验.结果证明,该地区股票价格长记忆行为各不相同但十分相似.     

基于两步法带宽选择的金融时间序列长记忆参数估计

金融时间序列长记忆参数的半参数估计方法以频域分析为主,带宽选择是其中必不可少的关键环节。不同的带宽可能给出差异明显的长记忆参数估计值,甚至产生矛盾的结论,进而影响时间序列平稳性的判断。本文提出一种两步法,用于金融时间序列长记忆估计的半参数方法的带宽选择,并进一步对长记忆参数进行估计:首先,为了克服半参数方法忽略短期结构的不足,通过信息准则判断ARFIMA(p,d,q)过程的短记忆结构;其次,用短记忆模型拟合差分后的序列,根据拟合效果确定选择带宽及长记忆参数估计值。数值模拟显示以长记忆参数估计值均方根误差最小为标准,两步法优于其他方法。经上证50指数已实现波动率日数据的实证检验,两步法在长记忆模型中的预测误差最小;与短记忆模型相比,两步法在中期提前预测步长上具有优势。     

部分线性模型基于参数信息的统计推断

针对部分线性模型提出了一种新的估计方法-Profile局部最小二乘估计,方法结合了非参数部分的参数信息.另外对于部分线性模型中非参数部分是否为某一参数函数的检验问题,基于比较原假设与备择假设下模型拟合的残差平方和的思想构造了检验统计量,并给出了计算检验p-值的精确方法和三阶矩χ2逼近方法.     

可靠度的M-Bayes可信限及其性质

以前作者提出了一种新的参数估计方法-M-Bayes可信限法,并且给出了可靠度的M-Bayes可信下限的估计.给出了另一个可靠度的M-Bayes可信下限的估计,并给出了M-Bayes可信下限的性质一可靠度的两个M-Bayes可信下限与经典置信下限的关系.最后,给出一个例子,从这个例子可以看出本文提出的方法可行且便于应用.     

纵向数据的有效秩推断基于修正的Cholesky分解

本文基于修正的Cholesky分解提出新的方法估计纵向秩回归的组内协方差矩阵,进而提出新的无偏估计函数改善不平衡纵向数据的估计效率.在一些正则条件下,建立了所提估计的渐近正态性.进一步,提出稳健的秩得分检验统计量对回归系数做假设检验.模拟研究和实证分析表明所提方法能够获得高度有效的估计以及所提检验方法比存在的方法更好.     

基于LMSV模型的半参数方法对股市波动长记忆特征的识别

在金融时间序列波动具有显著的长记忆性这一背景之下,研究了LMSV模型长记忆参数的估计问题。首先,分析了LMSV模型的相关性质;接着,根据LMSV模型和ARFIMA模型的良好对应关系,提出了估计LMSV模型长记忆参数的半参数方法;最后,基于股市数据,验证了波动半参数方法的有效性。     

可靠度的双侧M-Bayes可信限

对二项分布的可靠度,提出了一种新的参数估计方法—双侧M-Bayes可信限法.在无失效数据情形,给出了可靠度的双侧M-Bayes可信的定义、双侧M-Bayes可信的估计,关于双侧M-Bayes可信限的性质提出了一个猜想—可靠度的双侧M-Bayes可信限与双侧经典置信限的关系.最后,给出了一个例子,通过这个例子可以看出双侧M-Bayes可信限优于双侧经典置信限.     

广义线性模型——理论和方法

广义线性模型是经典线性模型的一种直接推广.本文介绍广义线性模型的一些基本理论和方法,内容包括:模型的提出;模型的参数估计及估计的大样本性质;模型的检验及一些检验统计量的渐近结果.最后,对二值回归、对数线性模型、具有常变异系数的回归等特例,介绍一些具体结果.     

沪深股市的相关结构分析与投资组合风险度量——基于ARFIMA-GARCH-Copula模型

金融资产收益率不仅具有尖峰厚尾性、异方差性,还具有长记忆性。基于此,本文建立ARFIMA-GARCH-Copula模型来研究沪深股市的相关结构和等权重投资组合风险值VaR,利用上证指数和深成指数收益率的组合来进行实证研究。首先采用经典R/S分析法检验各个资产收益率的长记忆性,经过分数阶差分后选用GARCH模型建模得到边缘分布。然后选择Copula函数来刻画两资产之间的相关结构,建立联合分布模型。进而采用Monte Carlo方法模拟产生各资产的收益率序列,计算出投资组合的风险值VaR。实证研究表明:沪深股市具有长记忆性,且两者具有对称的尾部相关性;Kupiec检验说明ARFIMA-GARCH-Copula模型较之于GARCH-Copula模型能更准确地度量投资组合风险。     

我国股市收益的双长记忆性检验——基于VaR估计的ARFIMA-HYGARcH-skt模型

针对股市收益分布的"尖峰肥尾"特征,引入了偏t分布作为新息分布。基于VaR方法,从风险估计的角度,利用ARFIMA(2,d_1,0)-HYGARCH(1,d_2,1)-skt模型对1996年12月17日至2007年7月5日期间的沪深股市收益进行了实证分析.实证结果显示:沪深股市具有显著的双长记忆特征;上海股市的日收益率和波动率的长记忆性均比深圳股市强;ARFIMA(2,d_1,0)- HYGARCH(1,d_2,1)-skt模型对我国股市收益具有较强的风险估计和预测能力。     

基于MCMC方法的ARFIMA模型贝叶斯分析及实证研究

在经济领域中,时间序列具有序列相关和长记忆等特征,用考虑了时间序列短记忆性和长记忆的ARFIMA来模型分析研究经济时间序列有利于提高拟合及预测的精度。近几十年来对ARFIMA模型参数估计和分数差分算子阶数d的研究越来越多,该模型的应用也越来越广泛。基于贝叶斯方法在参数估计中的优越性,本文结合众多应用此方法的文献所得到的后验分布特点,提出了合理的先验分布,考虑到计算难度,采用MCMC方法对模型的参数进行估计,最后应用我国过去几十年的GDP数据进行实证分析,得到了ARFIMA模型参数的后验分布图、均值、方差及95%的置信区间。     

基于分数阶差分的ARFIMA模型及预测效果研究

采用MRS分析法对香港恒生指数周数据序列的长期记忆性进行研究,并建立ARFIMA模型,推导了分数阶差分的计算过程。对分数阶差分的ARFIMA模型与一阶差分的ARFIMA模型进行了比较,发现应进行分数阶差分的序列,简化成一阶差分后,就有可能丢失许多有价值的信息,导致建模误差增大。进一步使用ARFIMA模型预测公式进行预测,结果显示ARFIMA模型预测效果不理想。在对香港恒生指数周数据进行预测时,ARFIMA模型几乎是失效的,并从两个不同的角度论证了这一结果出现的必然性。     

Time-Varying Long Memory Parameter Estimation Based on Wavelets

Stationary long memory process has been widely studied in the literature. In this article, we considered the locally stationary long memory process with time-varying memory parameter. A new wavelet-based algorithm was developed using log-linear relationship between the wavelet coefficient variance and the scaling parameter. The consistency and the finite sample behavior of the estimator have also been studied, which provide a good reference for the practitioner and researchers. The new algorithm has also been applied to the YEN/USD exchange rate series, which leads to some interesting results.     

基于实际波动率的组合选择实证研究

本文对证券组合三因素的7种预测方法进行了实证研究和敏感性检验,得出结论:若以周作为组合持有期,则不论何种收益预测方法,基于实际波率的ARFIMA方法在组合持有期上均取得了正的超额收益;基于实际波动率的ARFIMA法在组合选择的各种方法中是最优的.     

高频数据交易量久期与价格变化的动态行为研究

本文基于Log-ACD模型和一类非参数模型,研究了股票价格持续上升时期和价格持续下降时期,交易量久期与价格变化的动态关系。研究表明在不同的市场格局下,价格变化对交易量的影响会有显著区别。另一方面我们发现阈值的选取会影响交易量久期的统计性质,阈值变大时交易量久期的长记忆性会变弱。本文在理论上也有所创新,采用了本文前两位作者提出的新的方法估计Log-ACD模型的参数,该方法在误差服从厚尾分布时具有良好的统计性质。利用新的估计构造了Wald检验统计量,检验价格变化的方向对预期交易量久期是否有显著影响。