基于广义自回归条件异方差选股模型的布林带通道突破择时量化交易

提出一种综合利用广义自回归条件异方差模型进行波动率选股、布林带通道突破择时和平均真实波幅(ATR)动态止损的量化投资策略。首先,利用广义自回归条件异方差(GARCH)模型预测未来一周波动率最大的30只股票,构建股票池;其次,采用布林带指标进行择时,捕捉价格趋势变化;最后,根据平均真实波幅指标调整止损位,保护资本。通过多次回测,确定最佳参数。研究结果表明,该策略在不同市场环境下均表现出色,熊市具有较好的避险能力,牛市和震荡市场具有较强的盈利能力,实现了稳定的超额收益。综合运用波动率选股、价格突破和动态止损策略,为投资者提供了一种有效的量化投资方案。

异方差混合地理加权回归模型的正交投影估计

文章针对误差项存在空间异方差的混合地理加权回归模型,提出了一种新的估计方法。该方法将正交投影、局部线性估计和广义最小二乘估计的思想相结合,能够单独对模型中的常数系数、系数函数和方差函数进行估计。通过数值模拟对所提方法的性能进行验证。模拟结果表明,所提方法比现有的再加权估计方法更具优势。最后,基于城镇居民文化消费水平及其影响因素的实证分析验证了所提方法的实用性。

基于小波分析与广义自回归条件异方差模型的短期电价预测

由于电价波动具有非线性及波动集群现象,因此提出了一种基于小波分析和广义自回归条件异方差模型相结合的短期电价预测新方法。首先应用小波分解原理将电价序列分解成低频部分和高频部分,在此基础上对各子序列分别建立广义自回归条件异方差模型并进行预测;然后利用小波理论对各子序列的预测结果进行重构,实现对原始电价序列的预测;最后以美国加州电力市场历史数据为例进行了验证,结果表明本文方法是可行和有效的。

基于厚尾均值广义自回归条件异方差族模型的短期风电功率预测

风电功率预测准确度的提高对提高电力系统调度效率具有重要的作用。基于对风电功率时间序列波动性的研究,推广了一种厚尾均值广义自回归条件异方差(GARCH-M)族短期风电功率预测模型,同时,基于波动补偿项的不同形式,将模型拓展为多种类型的厚尾GARCH-M模型。该类模型能够捕捉风电功率时间序列波动性与其条件均值的直接关系,并能够有效刻画具有高峰度特征的实际风电功率序列的厚尾效应,使风电预测准确度提高。结合江苏地区风电场风电功率实际数据,对所提厚尾GARCH-M模型进行了参数估计,论证了存在于风电时间序列中的GARCH-M效应和厚尾效应,给出了风电功率均值和条件方差的预测方案。算例分析结果验证了所提方法的可行性和有效性,表明了考虑厚尾特征的GARCH-M族模型短期预测效果满意。

自回归条件异方差(ARCH)模型及应用

自回归条件异方差过程是一种新的随机过程，被用于研究时间序列。它展示了随机变量的一种关系：序列方差随时间变化而变化。本文给出估计方法、模型的检验以及一个实证例子。

非对称广义自回归条件异方差的新模型

本文提出了一个新的非对称广义自回归条件异方差的新模型，证明了该模型宽平稳及其最简模型偶数阶矩存在的充要条件．

基于广义自回归条件异方差模型的世界原油运价风险分析

为有效评估世界原油运价风险,根据世界原油运输市场运费收益的基本特性,选用基于广义误差分布(Generalized Error Distribution,GED)的广义自回归条件异方差(Generalized Auto-Re-gressive Conditional Heteroskedasticity,GARCH)模型,计算原油运价收益率波动的风险值.该模型很好地描述了运价收益率曲线尖峰厚尾、波动聚集性以及杠杆效应等特征.以波罗的海航运交易所发布的波罗的海原油油船运价指数(Baltic Dirty Tanker Index,BDTI)为例进行研究分析,检验结果表明该方法有效.

基于不对称自回归条件异方差模型的短期负荷预测

研究了负荷时间序列的自回归条件异方差效应,提出了一种基于不对称自回归条件异方差模型的短期负荷预测方法。建立了广义误差分布假设下的不对称广义自回归条件异方差模型,借助模型的不对称参数,分析了不同冲击下的不对称机制,比较了各种广义自回归条件异方差模型的预测能力。其中,幂指数广义自回归条件异方差-广义误差分布模型的预测效果尤为突出。最后通过实际算例验证了上述方法的可行性和有效性。

线性回归模型异方差的诊断与修正——基于EVIEWS软件的实例分析

文章通过实际案例分析,介绍了回归模型异方差性的诊断与修正的几种方法,并给出了如何结合EVIEWS软件实现异方差性的检验与消除的方法和程序。

广义自回归条件异方差模型的贝叶斯参数估计

文章建立基于偏正态分布的广义自回归条件异方差模型(GARCH-SN)的贝叶斯参数估计方法。通过MCMC抽样中常用的MH算法解决贝叶斯估计中遇到的高维数值计算问题,得到稳定的抽样序列。模拟显示MCMC抽样序列平稳,贝叶斯估计过程中不需要调整MCMC抽样,抽样后得到的均值接近真值,输入集样本量增大得到的估计值偏离真值的程度随之减小。

自回归条件异方差模型在宏观经济预警中的应用

将ＡＲＣＨ模型引入宏观经济预警，讨论了ＡＲＣＨ预警系统的指标设计、ＡＲＣＨ预警方法以及预警警限的界定，给出了一种具有ＡＲＣＨ特征的警限界定方法。

自回归条件异方差模型在医学数据分析中的应用

为探讨自回归条件异方差模型在医学数据分析中的应用效果 ,采用自回归条件异方差模型对实例进行了分析 ,并与多元回归分析结果进行了比较。结果显示 ,当数据方差不齐时 。

应用自回归条件异方差模型研究我国水力发电量

为了研究水力发电量条件方差的变化规律及残差的统计分布特征,引入自回归条件异方差模型,建立基于正态分布假设的同阶自回归条件异方差模型对我国2001年1月到2016年2月的水力发电量进行实证分析,研究得出该模型对发电量的估计与预测具有良好的效果。

太阳黑子的多项式趋势-自回归-条件异方差模型

用确定性趋势与残差服从条件异方差模型的自回归模型组合,作为太阳黑子相对数的数学模型.用它拟合1848—2002年太阳黑子相对数数据,取得很好的效果.首先通过逐步回归与逐步自回归,建立太阳黑子数的多项式趋势 自回归校正模型.然后通过PortmanteauQ检验和Lagrenge乘子检验证明残差存在强烈的异方差性,表明仅仅用多项式趋势 自回归校正模型是不够的.再配上一种条件异方差模型,即EGARCH模型控制其残差方差.从而建立多项式趋势+自回归+EGARCH模型.用此模型进行数据拟合回代,分析和预测,表明该模型的拟合,预测效果是好的,所分析的太阳黑子周期是恰当的.

非参数异方差模型中条件回归函数的EM算法——基于农村食品消费与纯收入的实证研究

对非参数异方差模型中回归函数的EM算法进行研究,并基于EM算法得到了条件回归函数的估计。此外,通过对农村居民食品消费支出与纯收入关系的实证分析,说明了基于EM算法的估计方法比最小二乘估计方法的拟合效果更好,并对恩格尔系数进行了拟合,分析了其变化走势。

混合自回归条件异方差模型的谱分析

线性时间序列模型谱密度的计算可以直接由定义获得,而非线性时间序列模型谱密度的计算目前还没有一般的理论.2001年Wong Chun-shan等将混合自回归(MAR)模型推广到混合自回归条件异方差(MAR-ARCH)模型,并且讨论了该模型的参数估计及模型选择问题,本文导出了MAR-ARCH模型自协方差函数的递推关系式及计算谱密度的算法,从而解决了这类模型的谱分析问题.

自回归条件异方差模型的模拟

通过介绍怎样利用SAS/ETS中的自回归(Autoreg)过程实现条件异方差(ARCH)模型数据的分析,将理论与实践相结合,利用SAS/IML软件模拟两组(一组为ARCH(q)模型,另一组为AR(m)-ARCH(q)模型)ARCH数据,然后调用自回归过程对两组数据分别用相应ARCH模型进行数据拟合,得到理想结果.

异方差回归与自回归模型

建立时间序列异方差回归和预测模型 ,将现行的误差项方差相同、均值为零的回归分析推广到误差项方差变化且均值不为零的情况 ,解决了实际中常见的异方差以及由于自变量不能充分解释因变量而引起的误差项均值不为零的问题。针对误差项相关且均值、方差都变化的情况 ,文中还进一步建立异方差回归—自回归模型 ,将误差项为传统平稳序列 (均值和方差为常数 )的回归—自回归模型推广到误差项为相关系数平稳序列 (均值和方差变化 )的情况 ,给出回归—CCAR(p)模型和回归—CCARMA(p ,q)模型的参数估计方法 ,提出异方差回归—自回归预测模型。该模型能充分发挥回归和自回归各自的优点 ,对时间序列进行高精度的分析和预测 ,可广泛用于自动控制、结构响应分析、故障诊断以及经济和商业预测等。

误差为ARMA(1,1)的非线性回归模型相关性和异方差的检验

本文讨论了误差为ARMA(1 ,1 )序列的非线性回归模型 .首先得到随机误差相关性和异方差性检验的似然比检验统计量和Score检验统计量 ;其次利用参数正交变换 ,得到了修正的似然比检验统计量和修正的Score检验统计量 ,推广了韦博成、胡跃清 (1 994)的结果和韦博成(1 995 )的结果 ;最后给出了几种特殊情形的似然比检验统计量和Score检验统计量 .

异方差回归—时序模型

提出一种异方差回归—时序模型,通过建立回归分析残差的标准差自回归方程,给出回归系数、自回归系数和滑动平均系数的最小二乘估计和极大似然估计。该模型能够在小样本情况下充分发挥回归分析和时间序列各自的优点,对回归模型的残差项进行有效补偿,提高回归分析的精度。文中对回归模型残差相互独立和自相关两种情况分别进行讨论。大量计算表明,该方法具有较高的分析和预测精度。