导读:本文包含了广义条件异方差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
广义条件异方差论文文献综述
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）
杨星,李斌,曾悦,米君龙[2]（2019）在《非对称非线性平滑转换的广义自回归条件异方差算法的碳价格均值回归检验》一文中研究指出本文利用非对称非线性平滑转换的广义自回归条件异方差(ANST–GARCH)算法对欧盟碳排放权价格均值回归特征进行了检验,研究表明:1)在欧盟碳交易市场3个阶段的发展进程中,第Ⅰ阶段欧盟排放权配额(EUA)价格序列变动服从均值回避,第Ⅱ, Ⅲ阶段均具有非对称均值回归特征; 2)经过风险调整后的欧盟碳配额价格序列仍然具有非对称性均值回归特征,负的均值回归速度和幅度明显大于正的均值回归速度和振幅; 3)均值回归与投资者对信息的过度反应有关,与时变理性预期无关.具体而言,第Ⅰ阶段拒绝过度反应假设,接受时变理性预期假设;第Ⅱ,Ⅲ阶段接受过度反应假设,拒绝时变理性预期假设.(本文来源于《控制理论与应用》期刊2019年04期）
马俊美,卓金武,张建,陈渌[3]（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[4]（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[5]（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[6]（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）
辜信梅,李福兴[7]（2017）在《基于广义自回归条件异方差遗传算法下短期电力负荷预测》一文中研究指出负荷预测一直以来都备受关注,它对电力系统的规划、运行和调度都是重要的依据。传统的遗传算法具有的初始值选择盲目、收敛不稳定的缺陷,而负荷走向本身就具有很强的实时性和极大的不确定性,因此预测结果的准确性很容易受到影响。本文提出了这样一种方法:将广义自回归条件异方差(GARCH)模型和遗传算法(GA,Genetic Algorithm)相结合,先利用GARCH模型做出时间序列的初始预测,再用遗传算法分析进行多次综合迭代。理论分析及仿真结果表明,本文提供的预测方案显着的提高了预测的精度。(本文来源于《电子制作》期刊2017年09期）
陈昊,万秋兰,王玉荣[8]（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[9]（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[10]（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）
广义条件异方差论文开题报告
（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：
本文利用非对称非线性平滑转换的广义自回归条件异方差(ANST–GARCH)算法对欧盟碳排放权价格均值回归特征进行了检验,研究表明:1)在欧盟碳交易市场3个阶段的发展进程中,第Ⅰ阶段欧盟排放权配额(EUA)价格序列变动服从均值回避,第Ⅱ, Ⅲ阶段均具有非对称均值回归特征; 2)经过风险调整后的欧盟碳配额价格序列仍然具有非对称性均值回归特征,负的均值回归速度和幅度明显大于正的均值回归速度和振幅; 3)均值回归与投资者对信息的过度反应有关,与时变理性预期无关.具体而言,第Ⅰ阶段拒绝过度反应假设,接受时变理性预期假设;第Ⅱ,Ⅲ阶段接受过度反应假设,拒绝时变理性预期假设.
（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。
广义条件异方差论文参考文献
[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].杨星,李斌,曾悦,米君龙.非对称非线性平滑转换的广义自回归条件异方差算法的碳价格均值回归检验[J].控制理论与应用.2019
[3].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
[4].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
[5].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
[6].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
[7].辜信梅,李福兴.基于广义自回归条件异方差遗传算法下短期电力负荷预测[J].电子制作.2017
[8].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
[9].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
[10].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