Orthogonal TGARCH模型研究

本文对ARCH及其衍变模型进行了分析和总结,提出了直交门槛一般化自回归条件异方差(OrthogonalTGARCH)模型。通过模型平稳性测试、AR效果检定、ARCH效果检定、模型阶数鉴定、模型参数估计与模型诊断对模型进行评估,作者认为这种模型在估计投资组合资产收益的波动性上优越ARCH及其衍变模型。

基于多尺度分解集成组合模型的碳价格预测研究

准确预测碳价格不仅有助于投资者及监管部门的科学决策,而且有助于碳金融市场的健康发展。考虑碳价格预测的复杂性,基于“分解-重构-预测-集成”的建模原则,构建了多尺度碳价格集成组合预测模型。首先,采用改进型自适应白噪声完备集成经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)算法对碳价原始序列进行分解,并以综合贡献度指数(comprehensive contribution index,CCI)对分量进行重构,得到短期、长期和趋势分量;然后,采用门限广义自回归条件异方差(threshold generalized auto-regressive conditional heteroscedasticity,TGARCH)模型预测短期分量,以布谷鸟搜索(cuckoo search,CS)算法优化超参数的长短期记忆(long-short term memory,LSTM)神经网络预测长期和趋势分量;在此基础上,采用非线性集成算法对各分量预测结果进行集成,得到最终的碳价预测结果。以湖北碳市场为样本数据进行实证分析,结果表明所构建的预测模型性能最优,预测结果更准确,可为监管部门和企业决策提供有效信息。

带厚尾噪声的TGARCH模型的估计及检验:一个统一的框架

本文基于伪最大似然方法和t-标准化二次抽样(percentile-t subsample)bootstrap方法,研究了厚尾TGARCH(1,1)(threshold generalized autoregressive conditional heteroskedasticity(1,1))模型的估计和检验问题.此处,厚尾的含义是,TGARCH(1,1)模型噪声平方的分布位于指数为κ∈(1,2)的稳定分布的吸引场,即噪声不存在4阶矩.本文首先证明了,无论厚尾TGARCH(1,1)模型平稳与否,在一定正则性条件下,其ARCH(autoregressive conditional heteroskedasticity)和GARCH(generalized autoregressive conditional heteroskedasticity)系数的伪最大似然估计(QMLE)均具有相合性,其渐近分布位于指数为κ∈(1,2)的稳定分布的吸引场.然而,该模型位置参数的QMLE只有在平稳情形下才具有相合性.其次,基于上述渐近结果,本文结合t-标准化二次抽样bootstrap方法,给出了检验厚尾TGARCH(1,1)模型严平稳性和对称性的方法,克服了因QMLE的收敛速度和渐近分布依赖于未知尾指数而无法进行统计推断的困难,且该方法无论模型平稳与否均适用.最后,通过Monte Carlo随机试验考察了估计和检验方法的有限样本表现,并且基于本文的估计及检验方法对中国5年期国债期货收益率进行了实证分析.