股票市場的收益率波動(dòng)往往具有聚集特征,即大的波動(dòng)往往跟隨著大的波動(dòng),小的波動(dòng)往往跟隨著小的波動(dòng)。Engle（1982）建立的ARCH模型可以用來描述和預(yù)測這種波動(dòng)聚集性現(xiàn)象,隨后Bollerslev（1986）借助ARMA模型的思想,在Engle的工作基礎(chǔ)之上提出GARCH模型。為捕捉金融市場波動(dòng)的非對稱性,學(xué)者們又相繼提出了GARCH-M（1987）、EGARCH（1991）、GJR-GARCH（1993）等模型來刻畫波動(dòng)率的動(dòng)態(tài)非對稱變化規(guī)律。然而,人類的思維具有可變性,復(fù)雜性和難預(yù)測性。當(dāng)我們在決策過程中遇到不確定性問題時(shí),這些不確定性往往不僅是由于事物的隨機(jī)性所引起,還可能是來自于測量與感知中的不確定因素,如不完全的信息、部份已知的知識(shí)、對環(huán)境模糊的描述等。這類信息主要由人類思維對某些概念表達(dá)模糊所引起的,而且這些不確定性經(jīng)常比我們想像的要復(fù)雜許多。在金融市場上,人們的思維也并非總是完全理性的,特別是在市場波動(dòng)較大時(shí)往往是模糊的,投資者的風(fēng)險(xiǎn)偏好程度就更加不確定,會(huì)受到環(huán)境、心態(tài)、性格、信息、、學(xué)識(shí)等各種因素影響,同時(shí)收益率本身也可能是模糊的。投資市場的這種模糊性不可能完全依賴... 

【文章來源】：西南財(cái)經(jīng)大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

信息、知識(shí)、理性，過去、現(xiàn)在、將來與期望的復(fù)雜關(guān)系

不合理的現(xiàn)象。例如，最近相當(dāng)熱門的“景氣”一詞，當(dāng)我們考慮景氣指標(biāo)0到100的范圍時(shí)，若定義30到50為“景氣好”，則根據(jù)傳統(tǒng)集合的定義，可繪出“景氣”的特征函數(shù)，如圖3.2所示。在圖3.2中顯示當(dāng)某月景氣指標(biāo)介于30到50之間，則屬于景氣好，其特征值為1;反之，便不屬于景氣好，特征值為0。但若我們假設(shè)有A、B、C三個(gè)月，景氣指標(biāo)各為29、31、49，其中B、C兩月指標(biāo)值相差18，且都屬于景氣好;但A、B兩月指標(biāo)值雖只差2，但A月卻不屬于景氣好，這是相當(dāng)不合理的。特征數(shù)函0一~二殉—5獷一圖3.2傳統(tǒng)集合景氣的特征函數(shù)景氣對于這種傳統(tǒng)集合的二分法與人類思維模式格格不入的問題

隸屬度函數(shù)是模糊理論最基本的概念，它不僅可以描述模糊集合的性質(zhì)，可以對模糊集合進(jìn)行量化，并且利用精確的數(shù)學(xué)方法，來分析和處理各類糊性問題。然而，要建立一個(gè)足以表達(dá)模糊概念的隸屬度函數(shù)，并不是一容易的事。其原因在于隸屬度函數(shù)仍舊脫離不了個(gè)人的主觀意識(shí)，故沒有用的定理或公式。一般而言，解決的辦法是根據(jù)經(jīng)驗(yàn)法則，或是利用以往統(tǒng)計(jì)資料來輔助加以確定，很難像客觀事物一樣有很強(qiáng)的說服力。因此，屬度函數(shù)的建立經(jīng)常最具有爭議性的，也沒有一種隸屬度函數(shù)是可以被廣接受而使用。在Zimm~~(1991)所提出的隸屬度函數(shù)的理論中，隸屬度函數(shù)可分為散型(diseretization)與連續(xù)型(。。ntinuous)兩種。離散型的隸屬度函數(shù)是接給予有限模糊集合內(nèi)每個(gè)元素的隸屬度，并以向量的形式表現(xiàn)出來;而續(xù)型隸屬度函數(shù)則有幾種常用的函數(shù)形式(S一函數(shù)、Z一函數(shù)、二一函數(shù)、三形函數(shù)、梯形函數(shù)、高斯(指數(shù))函數(shù))來描述模糊集合。函數(shù)定義的表

【參考文獻(xiàn)】：
期刊論文
[1]金融區(qū)間序列分析及其預(yù)測的初步評價(jià)[J]. 李竹渝,張成,王泰積.  數(shù)理統(tǒng)計(jì)與管理. 2010(01)
[2]上證指數(shù)非對稱GARCH模型[J]. 袁康安.  科學(xué)技術(shù)與工程. 2009(19)
[3]金融資產(chǎn)收益率的模糊雙線性回歸[J]. 李竹渝,劉威儀,王泰積.  統(tǒng)計(jì)研究. 2009(02)
[4]基于模糊時(shí)間序列的預(yù)測模型——以上證指數(shù)為例[J]. 吳銘峰,蔣勛.  無錫南洋學(xué)院學(xué)報(bào). 2008(03)
[5]模糊數(shù)據(jù)的回歸模型結(jié)構(gòu)分析[J]. 李竹渝,張成.  統(tǒng)計(jì)研究. 2008(08)
[6]基于GJR-GARCH模型的上海證券市場實(shí)證研究[J]. 楊洲木,門可佩,李俊.  現(xiàn)代商貿(mào)工業(yè). 2008(01)
[7]已實(shí)現(xiàn)波動(dòng)和已實(shí)現(xiàn)極差波動(dòng)的比較研究[J]. 唐勇,張世英.  系統(tǒng)工程學(xué)報(bào). 2007(04)
[8]中國股票市場報(bào)酬與波動(dòng)的GARCH-M模型[J]. 田華,曹家和.  系統(tǒng)工程理論與實(shí)踐. 2003(08)
[9]模糊時(shí)間序列建模及應(yīng)用[J]. 吳今培.  系統(tǒng)工程. 2002(04)
[10]模糊時(shí)間數(shù)列的分析與預(yù)測:以臺(tái)灣地區(qū)加權(quán)股價(jià)指數(shù)為例[J]. 吳柏林,林玉鈞.  應(yīng)用數(shù)學(xué)學(xué)報(bào). 2002(01)



本文編號：2982361