导读:本文包含了广义自回归条件异方差模型论文开题报告文献综述及选题提纲参考文献，主要关键词:管理计量学,股票市场,GARCH模型,波动
广义自回归条件异方差模型论文文献综述
李泽光,孙楚[1]（2019）在《广义自回归条件异方差模型(GARCH)在我国股票市场中的实证研究》一文中研究指出国家政策的推出对于股市的波动造成何种影响,是在研究我国股市波动性时需要关注的一个重要问题。本文结合我国股票市场的实际发展,选取"融资融券"业务这一重要政策,并提取政策提出前后股票市场中的有关数据,对数据进行GARCH类模型拟合,结合所得模型分析该政策提出前后股市的波动性变化。(本文来源于《市场周刊》期刊2019年10期）
马俊美,卓金武,张建,陈渌[2]（2019）在《广义自回归条件异方差模型加速模拟定价理论》一文中研究指出研究了广义自回归条件异方差(GARCH)模型下方差衍生产品的加速模拟定价理论.基于Black-Scholes模型下的产品价格解析解以及对两类标的过程的矩分析,提出了一种GARCH模型下高效控制变量加速技术,并给出最优控制变量的选取方法.数值计算结果表明,提出的控制变量加速模拟方法可以有效地减小Monte Carlo模拟误差,提高计算效率.该算法可以方便地解决GARCH随机波动率模型下其他复杂产品的计算问题,如亚式期权、篮子期权、上封顶方差互换、Corridor方差互换以及Gamma方差互换等计算问题.(本文来源于《同济大学学报(自然科学版)》期刊2019年03期）
白鹤松,曲振涛[3]（2018）在《引入半参数的广义自回归条件异方差模型下的产业收益率预测》一文中研究指出文章对GARCH模型进行拓展,通过半参数化处理以提高模型的预测精度。使用OLS检验和SPA检验两种方法对半参数化后的广义自回归条件异方差模型的预测能力进行验证。半参数化GARCH模型具有形式简洁、易于操作及预测精度高等优点。以冰雪文化产业园的收益率为研究对象,采用半参数化GARCH模型进行实证检验,结果表明我国冰雪文化产业园的收益率总体偏低,冰雪文化产业的发展还处于发展阶段,预计到2032年我国冰雪文化产业园的收益率可达86.27%,是今后需要重点扶持的产业之一。(本文来源于《统计与决策》期刊2018年08期）
陈昊,高山,王玉荣,张建忠[4]（2017）在《基于广义自回归条件异方差偏度峰度模型的风电功率预测方法》一文中研究指出通过对风电功率时间序列条件偏度、条件峰度时变性的分析,提出一种基于广义自回归条件异方差偏度峰度模型的风电功率预测新方法。针对风电时间序列高阶条件矩时变性的检验问题,提出链式检验新方法。结合模型参数估计,提出一种实用化参数约束处理方法,提升了参数估计效率。基于江苏某风电场的实际数据,分析该风电时间序列的时变条件矩,并使用修正Gram–Charlier级数的拟极大似然估计获取GARCHSK模型参数。风电功率预测结果表明所提方法的可行性和有效性。(本文来源于《中国电机工程学报》期刊2017年12期）
吴婷,蒋阳升,丁笑,郑世琦[5]（2017）在《城市轨道交通断面客流不确定性分析的广义自回归条件异方差改进模型》一文中研究指出对比分析指出,城市轨道交通线路断面客流量变化与道路交通断面客流量变化具有相似性,但城市轨道交通线路断面客流时间序列具备特有的尖峰厚尾特性,其变化的敏感程度依赖时空条件,常用于道路领域的广义自回归条件异方差(GARCH)模型无法直接用于城市轨道交通领域。基于此,引入广义误差分布(GED)虚变量,构建改进的GARCH模型,并基于成都地铁1号线下行断面客流时间序列数据,借助EViews和Matlab软件对改进前后的模型效果进行实证对比分析。结果表明,改进后的虚变量GARCH模型比原始的GARCH模型具有更好的适用性。(本文来源于《城市轨道交通研究》期刊2017年05期）
陈昊,万秋兰,王玉荣[6]（2016）在《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》一文中研究指出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。(本文来源于《电工技术学报》期刊2016年05期）
祝万伟,李福安[7]（2015）在《股票收盘价建立广义自回归条件异方差模型的实证分析》一文中研究指出本文简要介绍了ARCH类模型理论,阐述了ARCH模型的建立过程及ARCH效应的检验方法。然后在根据太平洋股票叁年的每日收盘价数据建立多个GARCH模型,再从中选取最理想的模型,并基于此模型进行短期预测,最后通过评价分析模型的短期预测结果,来看模型建立的适合程度,以此做一个完整的利用GARCH模型研究股票的实证分析。(本文来源于《区域金融研究》期刊2015年09期）
徐燕,陈平雁[8]（2014）在《广义自回归条件异方差模型的贝叶斯参数估计》一文中研究指出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。(本文来源于《统计与决策》期刊2014年08期）
王军,张丽娜[9]（2011）在《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》一文中研究指出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.(本文来源于《上海海事大学学报》期刊2011年02期）
陈曦[10]（2010）在《关于正倒向随机微分方程和倒向广义自回归条件异方差模型的统计推断》一文中研究指出2010年3月31日,酝酿四年之久的融资融券交易在深沪交易所首次启动,真正意义上的“买空卖空”机制开始在中国股票市场上演。时隔半月,具有风险对冲和盈利双重功效的股指期货也在中国金融期货交易所正式推出。这一系列金融衍生产品的发放,对于丰富和深化中国资本市场,增强其流动性起到积极的促进作用。而与此相关的学术研究课题也正在受到越来越多的关注。放眼世界,自1973年全球首家期权交易所在美国芝加哥开业,大批的新型金融产品就不断推出以满足衍生品市场的需求。同年,Black和Scholes(1973)([10])提出着名的期权定价公式,Merton(1973)([77])也给出了证券价格的一般均衡模型。从那时起,随机微分方程模型就作为现代金融理论的基础工具,被广泛应用于投资管理,资产定价,风险监控等多个领域。作为期权定价模型的理想之选,正倒向随机微分方程由Pardoux和Peng(1990)([87])首先提出,其系统理论随后在Ma和Yong(1999)([75])的着作中得到详细阐述。正倒向随机微分方程的一般形式如下本论文的研究对象为一类具有马尔科夫性的正倒向随机微分方程模型,即{Ys}t≤s≤T和{Zs}t≤s≤T是{Xs}t≤s≤T的确定性函数。在期权定价的例子中,证券价格{Xs}t≤s≤T和复制性投资组合的价值{Ys}t≤s≤T都是可观测的,而对冲投资组合价值{Zs}t≤s≤T尽管无法观测,却往往是人们的兴趣所在。其他的研究关注点还包括函数系数b,σ和g.事实上也可以将Z一并视为函数系数。对于一个特定问题,其对应的正倒向随机微分方程模型的具体表达式既不会由金融市场自动给出,也无法由数理金融理论直接提供,因此我们采用模型(1)的非参数形式,在保持灵活性的同时保证了稳健性。在本论文中,我们考虑对非参数的正倒向随机微分方程模型进行推断。我们利用局部线性平滑方法估计模型中的函数系数,并根据实际情况对结果进行调整。除了对估计的渐近分布做出理论推导,我们还通过数据模拟来考察估计在有限样本中的表现。另外,我们利用两种不同的工具：渐近分布和经验似然,分别为模型的函数系数构造了置信区间。在基于渐近正态性质建立置信区间时,由于渐近方差中包含多个未知的统计量,我们预先给出了渐近方差的相合估计。对于经验似然方法下的置信域构建,我们证明了所定义的对数经验似然比统计量渐近服从χ2分布。此外,本论文构造了一类新型的时间序列模型,我们称之为倒向广义自回归条件异方差模型。对于所研究的动态机制,这一类模型能够突出强调终端条件对它的影响,而这正是被往常的随机微分方程推断所忽略的。借助于Fan et al(2007)([35])提出的动态加权,我们将新模型下的估计与正倒向随机微分方程模型的估计合并,从而使得最终结果既依赖于终端条件,又具备稳健性,与原来的两种估计相比也更为渐近有效。所以,这不只是对先前结论的简单拓展和改进,更为相关领域的研究带来建设性的建议,并且获得了创新性的进展。本学位论文共分为五个章节,其主要结论的组织如下：第一章首先阐述了论文选择模型和推断方法的理论依据,然后介绍了正倒向随机微分方程模型,包括正倒向随机微分方程理论的发展和应用等背景知识,并且通过一个具体的期权定价问题阐释了模型的结构。随后,我们讲述了构建倒向广义自回归条件异方差模型的动机和理论基础,揭示了时间序列模型和随机微分方程模型的内在联系,从而为合并两种模型下的结论做好准备。第二章主要对正倒向随机微分方程模型的函数系数进行非参数估计。假设{(Ks0+i△,Ys0+i△),i=1,...,n)是初始时刻为s0的过程在等时间间隔上的观测,将其简记为{(Ki△,Yi△),i=1,...,n},并对数据做如下定义由此,我们给出模型的函数系数在状态点(s,χo)的局部线性估计为了描述以上估计的大样本性质,下面的定理给出渐近偏(方)差的具体表达：定理2.3.1记{Ki△,i=1,...,n}为混合相关的平稳的马尔科夫过程的n个观测值,相关系数满足ρl=|Hl|2,其中Hl是｛Xi△｝的转移概率算子。假设{Xi△,i=1...,n}的概率密度函数p(·)和条件概率密度函数ρl(y|x)在支撑上连续有界。令n→∞,当h→0,△→0时,仍有nh△→∞。则在任意时刻s∈(s0,T),i=1,…,n,有以下结论成立(a)bh(s,x0)的渐近偏差为进一步假设p’(χ)和(?)3(σ4(s,x))/(?)x3在χ0的邻域内连续,则当nh3→∞,bh(s,x0)的渐近方差为(b)σh2(s,x0)的渐近偏差为进一步假设p’(χ)和(?)3(σ8(s,x))/(?)x3在χ0的邻域内连续,则当nh3→∞,σh2(s,x0)的渐近方差为(c) gh(s,x0)的渐近偏差为进一步假设p’(χ)和(?)3(Z4(s,x))/dx3在χ0的邻域内连续,则当nh3→∞,gh(s,x0)的渐近方差为(d)Zh2(s,x0)的渐近偏差为进一步假设p’(χ)和(?)3(σ8(s,x))/(?)x3在χo的邻域内连续,则当nh3→∞,Z2h(s,x0)的渐近方差为其中μj =∫uj K(u)du, vj =∫ujK2(u)du,λj—∫ujK4(u)du ,核函数K(·)是具有有界支撑的对称的概率密度函数。对任意正整数l,Pl(y*|x)是给定Xi△时'Y*(i+l)△的条件概率密度函数。通过下一个定理我们进而确定了非参数估计的渐近正态性：定理2.3.2除了定理2.3.1的条件,进一步假设{Yi△*,i = l,...,n}和{Yi△*,i = l,...,n}为平稳序列,而且存在一列正整数s。满足sn→∞及sn=o{(nh△)1/2}以使得当n→∞时,有(n/h△)1/2|Hsn|2→∞,此时以下渐近正态分布成立第叁章首先解决在估计波动系数的平方时可能产生的负值问题。我们采用重新分配权重的N-W估计来代替原来的局部线性平滑,所得估计结果的表达式为这个估计的实现虽然需要数值计算方法的辅助,但它既可以保证非负结果,又保持了局部线性估计的优点,如适应性和边界自调等。我们在下面的定理中给出了它的渐近分布：定理3.2.1在定理2.3.1和定理2.3.2的假定及§3.1.3的条件C1-C3下,估计量υ2(χ)渐近服从于正态分布对于υ2(χ)的渐近方差,我们也做出了相合估计：定理3.2.2除了定理3.2.1的条件,进一步假设对任意δ>0,E[Y8(1+δ)]<∞,则当n→∞时,其中接下来我们考虑基于渐近正态性质构造置信域。对于模型中倒向方程的函数系数g及Z2,由于估计的渐近方差是未知的统计量,需要先由下面两个定理提供相合估计：定理3.3.1假设定理2.3.2的条件成立,但混合相关系数需要满足§3.2中C2,并进一步假定E(Y4)<∞,则当n→∞,有其中定理3.3.2假设定理3.3.1的条件满足,进一步假定E(Z4)<∞,则当n→∞,有其中由此建立起置信水平为1-α的区间估计：其中γ1-α／2是标准正态分布的1-α／2分位数,而Sg(s,x),Sz2(s,x)分别为渐近标准差的估计量：为了避免类似上述方法的复杂计算,我们转而考虑利用经验似然结合局部线性平滑来构建置信区间,从而获得了函数系数9所对应的对数经验似然比ι(θg),并且有下面的结论：定理3.4.1假设满足§3.4中的条件C1-C3,并且nh5→0,则ι(θg)渐近收敛于χ12分布。由此建立9的置信水平为α的区间估计Iα,9(?){θg:l(θg)≤cα)}其中cα为临界值,即P(x12≤cα)=α.对于Z2也有类似结论：定理3.4.2假设定理3.41的条件成立,则Z2的对数经验似然比ι(θz2)渐近收敛于χ12分布。据此建立的置信水平为α的区间估计Iα,X2(?){θZ2:l(θZ2)cα),其中cα满足P(x12≤cα)=α.第四章主要讨论倒向广义自回归条件异方差模型。首先,我们通过分解和迭代将原来的广义自回归条件异方差模型转化为依赖于终端条件的新模型,然后参数化模型中的不可观测量,进而利用最小二乘方法对模型进行推断,所得的估计θ具有如下渐近分布：定理4.3.1在§4.3的条件C1-C4下,有其中∑,Ω和σξ2的具体表达见§4.3中的定义.最后我们将前面对g和Z2所做的两种估计结果进行下面的合并：其中gs,F和Zs2,F是来自于正倒向随机微分方程模型的非参数估计,gs,G和Zs2,G则为倒向广义自回归条件异方差模型下的估计,动态权重0≤ωs(g),ωs(Z2)≤1满足及以保证合并结果的方差最小化,从而给出比先前的两种估计都更为渐近有效的推断。第五章对本论文进行总结,并给出了相关研究方向上仍待讨论的问题。(本文来源于《山东大学》期刊2010-04-18）
广义自回归条件异方差模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
研究了广义自回归条件异方差(GARCH)模型下方差衍生产品的加速模拟定价理论.基于Black-Scholes模型下的产品价格解析解以及对两类标的过程的矩分析,提出了一种GARCH模型下高效控制变量加速技术,并给出最优控制变量的选取方法.数值计算结果表明,提出的控制变量加速模拟方法可以有效地减小Monte Carlo模拟误差,提高计算效率.该算法可以方便地解决GARCH随机波动率模型下其他复杂产品的计算问题,如亚式期权、篮子期权、上封顶方差互换、Corridor方差互换以及Gamma方差互换等计算问题.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
广义自回归条件异方差模型论文参考文献
[1].李泽光,孙楚.广义自回归条件异方差模型(GARCH)在我国股票市场中的实证研究[J].市场周刊.2019
[2].马俊美,卓金武,张建,陈渌.广义自回归条件异方差模型加速模拟定价理论[J].同济大学学报(自然科学版).2019
[3].白鹤松,曲振涛.引入半参数的广义自回归条件异方差模型下的产业收益率预测[J].统计与决策.2018
[4].陈昊,高山,王玉荣,张建忠.基于广义自回归条件异方差偏度峰度模型的风电功率预测方法[J].中国电机工程学报.2017
[5].吴婷,蒋阳升,丁笑,郑世琦.城市轨道交通断面客流不确定性分析的广义自回归条件异方差改进模型[J].城市轨道交通研究.2017
[6].陈昊,万秋兰,王玉荣.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[J].电工技术学报.2016
[7].祝万伟,李福安.股票收盘价建立广义自回归条件异方差模型的实证分析[J].区域金融研究.2015
[8].徐燕,陈平雁.广义自回归条件异方差模型的贝叶斯参数估计[J].统计与决策.2014
[9].王军,张丽娜.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[J].上海海事大学学报.2011
[10].陈曦.关于正倒向随机微分方程和倒向广义自回归条件异方差模型的统计推断[D].山东大学.2010