本文關(guān)鍵詞：GARCH族的模型平均估計(jì)方法　出處：《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》2017年06期 　論文類型：期刊論文

  更多相關(guān)文章： 模型平均 GARCH 漸近最優(yōu)性

【摘要】：研究目標(biāo):對模型平均方法進(jìn)行理論擴(kuò)展,構(gòu)建GARCH族的模型平均估計(jì)量及相應(yīng)權(quán)重選擇準(zhǔn)則。研究方法:蒙特卡洛模擬實(shí)驗(yàn)方法。研究發(fā)現(xiàn):在一定條件下最小化權(quán)重準(zhǔn)則選擇的權(quán)重向量將在漸近意義上最小化真實(shí)KL偏離度;蒙特卡洛模擬結(jié)果表明,與AIC準(zhǔn)則、BIC準(zhǔn)則、AIC模型平均、BIC模型平均的估計(jì)結(jié)果相比較,本文提出的模型平均法具有更小的KL偏離度。研究創(chuàng)新:將模型平均估計(jì)方法引入條件異方差模型族中。研究價(jià)值:本文結(jié)果將為捕捉金融市場資產(chǎn)的時(shí)變波動性提供強(qiáng)有力的研究工具。
[Abstract]:Objective: to expand the model averaging method. The model average estimator and the corresponding weight selection criterion of GARCH family are constructed. The research method: Monte Carlo simulation experiment method. Under certain conditions, the weight vector selected by minimizing the weight criterion will minimize the true KL deviation in the asymptotic sense. The Monte Carlo simulation results show that the estimation results are compared with those of the average BIC model of the AIC criterion. The model averaging method proposed in this paper has a smaller KL deviation. Research innovation: the model average estimation method is introduced into the conditional heteroscedasticity model family. The results of this paper will provide a powerful research tool for capturing the time-varying volatility of financial market assets.
【作者單位】： 中國人民大學(xué)經(jīng)濟(jì)學(xué)院;日本小樽商科大學(xué)商學(xué)部;
【分類號】：F224;F830.9
【正文快照】： 一、問題提出與文獻(xiàn)回顧給定任意一組數(shù)據(jù)集,存在與該數(shù)據(jù)集對應(yīng)并為某種函數(shù)關(guān)系所刻畫的真實(shí)數(shù)據(jù)結(jié)構(gòu)。在實(shí)證研究中,研究者能夠得到大量的經(jīng)濟(jì)數(shù)據(jù),但對數(shù)據(jù)背后的數(shù)據(jù)結(jié)構(gòu)知之甚少。因此,如何建立模型以刻畫數(shù)據(jù)特征并擬合潛在的數(shù)據(jù)結(jié)構(gòu)始終是計(jì)量經(jīng)濟(jì)學(xué)的研究核心之一。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳向華;薛英;白曉東;;多發(fā)風(fēng)險(xiǎn)模型的負(fù)盈余持續(xù)時(shí)間分布的計(jì)算[J];內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年03期

2 楊東升;截面時(shí)序分析——模型選擇與參數(shù)估計(jì)[J];統(tǒng)計(jì)研究;1999年01期

3 唐年勝;邱世芳;;非線性再生散度模型的Bayes估計(jì)[J];數(shù)理統(tǒng)計(jì)與管理;2007年06期

4 閆榮國;邱長溶;;馬爾可夫域變模型在我國季度GDP增長率序列建模中的應(yīng)用[J];數(shù)理統(tǒng)計(jì)與管理;2007年02期

5 何光優(yōu);田應(yīng)福;;中國消費(fèi)品零售總額序列的SARIMA模型及其預(yù)測技巧[J];經(jīng)濟(jì)研究導(dǎo)刊;2010年19期

6 昌春艷;王沁;田錕;劉娟;;優(yōu)化STR模型的實(shí)證研究[J];武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版);2013年04期

7 趙昕東;耿鵬;;基于Gibbs Sampler的線性回歸模型選擇[J];寧波大學(xué)學(xué)報(bào)(人文科學(xué)版);2009年04期

8 孫會國;;中國A股上市公司的違約風(fēng)險(xiǎn):基于KMV模型的測度[J];中國市場;2012年01期

9 魏振香;陳媛;;我國當(dāng)前食品價(jià)格與CPI變動關(guān)系研究——基于VAR模型的實(shí)證分析[J];價(jià)格月刊;2012年09期

10 袁軍;;SETAR模型在GDP預(yù)測中的應(yīng)用[J];統(tǒng)計(jì)與決策;2007年10期

相關(guān)會議論文 前4條

1 曾菊英;許冰;;制度變遷及其模型選擇[A];21世紀(jì)數(shù)量經(jīng)濟(jì)學(xué)（第10卷）[C];2009年

2 廖冬初;秦壽康;;縣級規(guī)劃總體優(yōu)化模型及其計(jì)算方法[A];發(fā)展戰(zhàn)略與系統(tǒng)工程——第五屆系統(tǒng)工程學(xué)會年會論文集[C];1986年

3 戰(zhàn)明華;李生校;;貨幣與產(chǎn)出的關(guān)系(1995～2003):不同模型的分析結(jié)果及其比較[A];中國金融學(xué)會第八屆優(yōu)秀論文評選獲獎(jiǎng)?wù)撐募痆C];2005年

4 戴鋒;梁玲;李興兵;馮俊濤;;經(jīng)濟(jì)增長的動態(tài)進(jìn)程模型及實(shí)證研究[A];第十四屆中國管理科學(xué)學(xué)術(shù)年會論文集(上冊)[C];2012年

相關(guān)重要報(bào)紙文章 前1條

1 首創(chuàng)期貨研發(fā)中心金融工程組 徐澤平;方差-協(xié)方差法的VaR計(jì)量模型選擇[N];期貨日報(bào);2007年

相關(guān)碩士學(xué)位論文 前10條

1 尹瀟瀟;Meta分析中的模型選擇與模型平均[D];云南財(cái)經(jīng)大學(xué);2016年

2 陳笑弟;交互效應(yīng)下的模型選擇[D];中國科學(xué)技術(shù)大學(xué);2016年

3 張釗;基于無偏估計(jì)方程的模型選擇[D];山東經(jīng)濟(jì)學(xué)院;2011年

4 劉楊樹;模型風(fēng)險(xiǎn)及其對衍生品定價(jià)的影響[D];廈門大學(xué);2009年

5 王敏;非參數(shù)條件自回歸極差模型及其應(yīng)用[D];西南財(cái)經(jīng)大學(xué);2013年

6 陳小祥;中國企業(yè)信用風(fēng)險(xiǎn)的評估模型構(gòu)建與實(shí)證研究[D];東北財(cái)經(jīng)大學(xué);2010年

7 江婷婷;基于修正負(fù)二項(xiàng)分布的索賠次數(shù)模型研究[D];重慶大學(xué);2015年

8 李春霞;GEE方法在可信度模型結(jié)構(gòu)參數(shù)估計(jì)中的應(yīng)用[D];華東師范大學(xué);2006年

9 曹永凱;CGE模型在北京奧運(yùn)經(jīng)濟(jì)中的應(yīng)用研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2006年

10 李世偉;證券投資組合與經(jīng)濟(jì)統(tǒng)計(jì)優(yōu)化模型[D];安徽大學(xué);2003年

，

本文編號：1413807