基于非参数GARCH模型的汇率波动性预测

文章利用非参数GARCH模型来预测人民币汇率的波动性,并且与参数GARCH族模型的预测结果进行比较。理论上,非参数GARCH模型避免了参数GARCH族模型形式上的错误设定,具有稳健性。文章选择美元和日元兑人民币汇率的日对数收益率来进行预测,预测结果综合表明非参数GARCH模型具有最强的预测能力。

基于非参数GARCH的时间序列模型在日前电价预测中的应用

电力市场中电价序列具有较强的波动性、周期性和随机性,以致经常出现价格尖峰,这在很大程度上影响了电价预测的精度。提出了一种基于小波变换和非参数GARCH(generalized auto regressive conditional heteroskedasticity)模型的时间序列模型对日前电价进行预测。利用小波变换将历史电价序列分解重构概貌序列和细节序列,分别建立累积式自回归滑动平均(auto-regressive integrated moving average,ARIMA)模型进行预测,采用非参数GARCH模型对电价序列预测残差的随机波动率进行建模,从而提高对价格波动性的预测能力和ARIMA模型的预测精度。将该模型应用于美国宾夕法尼亚—新泽西—马里兰(Pennsylvania-New Jersey-Maryland,PJM)电力市场的日前电价预测。算例结果表明,非参数GARCH模型可以更好地拟合电价序列剧烈波动的特性,该模型能够提高电价的预测精度。

基于非参数GARCH模型的一种波动率估计方法

一、方法描述（一）Bollerslev（1986）提出的标准的GARCH（1，1）形式ε1=√ht

社会保障支出与中国居民储蓄——基于非参数可加模型的分析

预防性储蓄理论表明社会保障与居民储蓄行为存在密切联系。目前中国社会保障体系日趋完善,而居民储蓄率却仍然持续居高不下,针对这种现象,采用1999—2009年中国省级数据,运用非参数可加模型,对社会保障支出与中国城镇居民人均储蓄水平的线性和非线性关系进行实证分析,结果表明:社会保障支出水平对城镇居民人均储蓄水平具有显著的线性和非线性影响,但不同支出的影响方向和影响程度不尽相同,且不同支出的影响存在明显的地区差异。

基于非参数GARCH模型的中国股市波动性预测

本文采用上证综合指数和深证成份指数1997年1月2日—2005年6月30日的每日收盘价对数百分收益率为样本,运用非参数GARCH(1,1)模型研究了中国股票市场的波动性,并与参数GARCH(1,1)模型的估计结果进行了比较,最后利用六种预测误差度量指标比较了这两种模型的样本内及样本外预测能力,结果发现,非参数GARCH(1,1)模型对股市波动性的预测精度有明显提高。

通过非参数可加模型回归估计的享乐价格函数

本文利用非参数可加回归模型来为房地产建立一个享乐价格函数。它避免了无约束非参数估计量的缺点。通过结果比较发现,该模型比可选择的参数模型更具有优越性。从实证的角度来看,我们的研究极为有趣,影响房地产价格的一系列环境特征,都囊括于回归模型中;并在其中揭示了影响房地产价格的一些重要特征。

非参数可加回归模型和非线性协整检验

本文基于非参数可加回归模型的局部核权最小二乘法提出变量间非线性协整的一种非参数检验方法。

基于结构转换非参数GARCH模型的股市波动率预测拟合性评估

文章选取上证股市A、B股日收盘指数为分析对象,结合应变量、自变量对应的向量构建基于极大似然估计的马尔可夫结构转换模型,并在此基础上,针对结构转换非参数状态GARCH的波动率实施参数估计,最后结合日收益率序列以极大似然法进行了三状态下的参数估计比对分析,结果证实沪市A、B股存在一定程度的互动性和"尖峰厚尾"分布特征,且马尔可夫结构转换模型下的RS-APGARCH模型具备相对更高的拟合能力。

非参数可加ACD模型及其应用研究

非参数可加ACD模型对条件期望的函数形式与随机误差项的分布形式要求都没有参数ACD模型强,因此不会像参数ACD模型那样因模型形式设定错误而得出错误结论。非参数可加ACD模型估计出来的各个可加部分图形的形状对于正确设定参数ACD模型具有一定的指导作用。

非参数与参数GARCH类模型的比较

在对金融资产价格的波动进行定量建模研究时,使用最多的是参数GARCH类模型,这类模型有许多优点,但模型需要的设定条件却比较严格,当不清楚变量的分布形式时,利用实际样本数据建立的参数模型可能会由于错误的设定而得出错误的结论。与参数模型相比较,非参数GARCH类模型的建模方法是一种不同于参数方法建模的新思路,非参数模型不要求设定条件,不会由于错误的设定而得出错误的结论。比较了非参数与参数GARCH类模型的基本形式和适用条件,在对金融资产的波动性进行建模的时候应该根据数据的基本统计特征灵活选用非参数与参数GARCH类模型。

一种非参数可加模型回归估计的简便方法

文章利用非参数可加模型来构造经济增长函数。从研究方法看,文章采用了一种较为简便的非参回归估计方法构造矩阵,并运用Backfitting算法来对该函数进行迭代求解。该方法简单明了,在程序实现过程中避免了选择窗宽的繁冗过程;从实证的角度看,文章从两个方面来考虑经济增长的影响因素:外商直接投资和普通高校招生情况,这两方面皆被目前人们所普遍关注。实证结果揭示了影响经济增长的一些重要特征。

GARCH模型、非参数GARCH模型及SV模型的比较综述

本文就GARCH族、非参数GARCH模型以及SV模型的发展及其在金融时间序列中的应用进行了对比综述,并指出了各种模型的优劣,为以后的实证分析提供了指导。

非参数GARCH模型、参数GARCH模型估计波动性对比综述

本文综述了非参数GARCH模型及GARCH模型的发展及其在股市和其他领域的应用,以及其在研究基金收益波动的可行性分析。

非参数可加模型在政策评估中的应用——以房产税试点政策为例

本文将非参数可加模型应用于政策评估中,结合正交级数展开和组惩罚回归方法提出了非参数可加政策评估模型(NPAPE),并给出了相应的估计程序,巧妙地解决了现有非参数政策评估模型中控制组选择前后模型设定不一致的问题,在一定程度上缓解了当选择的控制组个数过大时核(Kernel)估计的“维数诅咒”问题。与面板数据政策评估方法(HCW)相比,NPAPE能更好地识别处理组与控制组之间的线性和非线性关系,对“反事实”路径的估计更具优势。对房产税试点政策的实证分析发现,房产税对上海商品房和商品住宅价格没有抑制性,而对重庆商品房价格具有抑制性,且对重庆商品住宅价格的抑制性更强。

基于非参数模型设定检验方法的上证指数波动率的研究

文章对上证指数A股日收益指数的波动性建模,介绍并使用了非参数模型设定检验方法进行多个模型的评价,结果表明在GARCH模型中引入t新息分布,使得GARCH模型在显著性水平=0.05下通过了非参数模型设定检验。它可以用于风险管理、资产定价等方面的研究。

股市收益率的风险测量——基于参数与非参数GARCH技术的动态VaR计算

风险管理的基础和核心是对风险的定量分析和评估,即风险测量。VaR方法由于其明确的的经济含义及易操作性,已成为金融机构进行风险管理的一种主流方法。本文基于参数GARCH和非参数GARCH技术计算股市收益率的VaR,并对二者进行比较。通过实证分析得出以下结论:上海股市收益率序列有强烈的GARCH效应,基于非参数GARCH技术得到的VaR在给定的显著性水平下更能有效地度量股市的风险。

基于SIR的非参数加法模型及其应用

非参数加法模型的估计困难限制了其应用范围。对此,本文提出首先采用分片逆回归(SIR)方法提取高维数据中的有效成分,进而根据回退拟合算法对模型进行迭代估计。在实证中,将这一模型应用于我国外贸货物吞吐量的预测建模中,取得了较好效果。

面板数据的可加分位回归模型研究与应用

本文在贝叶斯分析的框架下讨论了面板数据的可加模型分位回归建模方法。首先通过低秩薄板惩罚样条展开和个体效应虚拟变量的引进将非参数模型转换为参数模型,然后在假定随机误差项服从非对称Laplace分布的基础上建立了贝叶斯分层分位回归模型。通过对非对称Laplace分布的分解,论文给出了所有待估参数的条件后验分布,并构造了待估参数的Gibbs抽样估计算法。计算机模拟仿真结果显示,新提出的方法相比于传统的可加模型均值回归方法在估计稳健性上明显占优。最后以消费支出面板数据为例研究了我国农村居民收入结构对消费支出的影响,发现对于农村居民来说,无论是高、中、低消费群体,工资性收入与经营净收入的增加对其消费支出的正向刺激作用更为明显。进一步,相比于高消费农村居民人群,低消费农村居民人群随着收入的增加消费支出上升速度较为缓慢。

基于split-and-conquer和非参数向前选择法的变量选择

变量选择是统计学界研究的重要课题之一.当处理高维数据时,一些常用的变量选择方法大多比较耗时,因此提出了一种既能筛选出高维数据中的变量又能节省时间的方法:基于split-and-conquer的非参数向前选择法.首先使用split-and-conquer方法将数据进行拆分,然后使用B样条函数逼近的非参数向前选择法进行研究.实验结果表明:基于split-and-conquer的非参数向前选择法可以较好地将变量选择出来,并且节省了大量时间.