版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、中國輕紡城市場是中國紡織品實物交易的重要市場.作為紡織品實物交易風向標的柯橋紡織指數,發(fā)布于2007年10月,至今已有九年多,其影響深刻而廣泛,一直是行業(yè)和社會關注的焦點.對價格指數進行定量分析,探究紡織指數本身,以及紡織行業(yè)的發(fā)展,有著十分重要的意義.但是,至今仍未見有系統(tǒng)的定量分析和研究.
本文以技術面為導向,利用純技術指標,基于大數據分析理念,把描述性統(tǒng)計過渡到推斷性統(tǒng)計,把經典的情景分析導入可檢驗的模擬預測中.從經濟定
2、價到傳統(tǒng)的統(tǒng)計識別,直至數據學習,重構紡織價格指數.
本文的研究從經濟定價到傳統(tǒng)的統(tǒng)計識別,即從局限的經濟定價要素到苛刻的統(tǒng)計假設條件,然后是完全放寬的數據驅動模式,最后是數據學習,到實時預測,這樣一條主線展開.
以計量經濟學、統(tǒng)計學和數學多學科交叉的方法研究紡織價格指數.利用經典的資本資產定價模型對紡織價格指數做經濟意義上的定價.用統(tǒng)計檢驗方法推斷紡織價格指數總體的性質.據此,利用完全數據驅動的非參數回歸的性質,對
3、影響紡織指數的因素進行篩選和識別,在此基礎上建立半參數時變系數回歸模型,分析各因素在整個指數中所占的比重.再用經典的簡單模型和時間序列模型對紡織價格指數做統(tǒng)計學意義上的定價或預測.最后建立狀態(tài)空間模型,利用卡爾曼濾波實時預測紡織價格指數.
對比分析法和描述性研究法貫穿整篇文章的實證分析.本文建立不同的模型對紡織價格指數進行模擬,通過描述性研究,把模擬的結果展示出來;通過對比分析,說明各種因素對紡織指數的影響程度,以及不同模型用
4、于紡織指數的預測時的優(yōu)劣.
用探索性研究法確立總體模型的參數,通過非參數路徑分析法揭示非線性變量的變動對被解釋變量的直接的和間接的影響.
本文的主要研究內容如下:
(1)梳理金融資產、實物資產的定價模型,特別是資本資產定價模型(CAPM)的應用及其模型假設的檢驗.
(2)用經典的資本資產定價模型對紡織價格指數進行經濟學意義上的定價.由于現實中沒有符合CAPM模型假設中的無風險收益,所以用方差最小的
5、與市場組合零協(xié)方差證券組合的期望收益作為無風險收益建立零貝塔CAPM模型,檢驗不同類型的產品市場是否適用CAPM模型,進一步地測算不同類型產品的市場風險和檢驗其定價的合理性.
(3)對紡織價格指數時間序列的樣本進行統(tǒng)計分析和檢驗.采用描述性統(tǒng)計分析,正態(tài)性檢驗,平穩(wěn)性檢驗,序列自相關檢驗,游程檢驗,獨立同分布檢驗.所有的數學模型,包括統(tǒng)計模型都有其適用的條件和范圍,在對實際問題建立模型之前,必須通過樣本檢驗模型假設是否成立,即
6、總體是否具有這些性質,否則所建模型是不可靠的,得到的結論也沒有實際價值.
(4)用數據驅動的方法建模.應該沒有完全符合模型假設的實際問題,常常只是近似滿足,近似程度越高,模型的可靠性越好,所以本文采用條件相對寬松的完全數據驅動的非參數方法.首先基于大數據的理念,確定可能直接影響紡織價格指數的因素集,從中篩選影響顯著的因素,并對這些具有顯著影響的因素進行識別,區(qū)分其對紡織價格指數的影響是線性的還是非線性的,然后建模分析各因素對紡
7、織指數影響的強度.
(5)建立預測模型.一個合理的模型體系應該具備預測功能.CAPM模型有嚴苛的難以檢驗的假設和現實中很難滿足的前提,而用半參數模型進行預測之前,必須先預測線性的和非線性的自變量的值,所以都只有理論上的預測功能.最后建立狀態(tài)空間模型,利用Kalman濾波,實現對紡織價格指數的實時預測.
取2007年5月到2016年12月作為樣本期間,通過研究得到如下結論:
(1)經濟定價的結果.把CAPM模
8、型用于實物交易指數的定價,分別對紡織價格的周指數和月指數建立CAPM模型,發(fā)現對月指數建立的模型好于對周指數建立的模型.在統(tǒng)計意義上,后者方程的決定系數較大;在經濟意義上,方程的常數項不能拒絕為0的原假設,即認為定價合理.一次項系數顯著不為0,即價格受市場風險的影響,其中的超額收益是市場風險溢價.但是對30個中類指數建模的結果發(fā)現,只有9個中類月指數模型的常數項不能拒絕為0的原假設,且常數項系數顯著大于0.考慮到現實中并不存在可以無限借
9、貸的無風險利率,用零貝塔CAPM模型再對各中類市場進行檢驗,計算得5個大類市場,即原料、坯布、服裝面料、家紡和服飾輔料市場在樣本期內的零協(xié)方差證券組合的月期望收益率的估計值分別為0.9479%、0.1448%、0.1037%、-0.0483%、0.1535%,樣本期內一年期存款基準利率的月化利率是0.125%,坯布市場、服裝面料市場和服飾輔料市場的零協(xié)方差組合的月期望收益率與之相當,而家紡類的市場零協(xié)方差組合的月收益率小于零.零貝塔CA
10、PM模型的估計結果與CAPM模型的估計結果相差不多.究其原因,應該是中國輕紡城紡織品交易市場以及市場經營者對市場的交易的期望與CAPM的假設條件相去甚遠,所以需要通過樣本揭示紡織價格指數總體的性質.
(2)統(tǒng)計識別的結果.基本統(tǒng)計分析的結果認為紡織價格指數厚尾右偏,不服從正態(tài)分布.ADF檢驗和KPSS檢驗的結果認為紡織價格指數序列存在一階單位根;自相關性檢驗的結果認為存在序列自相關性;游程檢驗的結果認為序列不是隨機游走過程;B
11、DS檢驗的結果確實不是獨立同分布的.所以,紡織價格指數的性質并不適合前提嚴格的模型.
(3)數據驅動的變量選擇和識別的結果.首先依據產業(yè)經濟學和宏觀經濟學理論,選取了14個可能影響紡織品價格指數的變量,以LCLS(Local Constant Least-squared)方法估計方程,并用LSCV(Least-Squared Cross-Validation)法選取各控制變量的窗寬,認為窗寬大于兩倍樣本標準差的6個控制變量對因
12、變量沒有顯著影響,將其剔除.對余下的控制變量做識別,以LLLS(Local Linear Least-Squared)方法重新估計方程,仍用LSCV法選取各控制變量的窗寬,認為其中窗寬大于兩倍樣本標準差的4個控制變量對因變量的影響是線性的,其余變量對因變量的影響是非線性的.篩選的結果是,原油平均現價、商品零售價格指數、工業(yè)品出廠價格指數、因變量的滯后一階變量、棉花“指數A”、貨幣供應量、金融機構企業(yè)存款、金融機構短期貸款、匯率水平和期末
13、國家外匯儲備等變量對紡織品價格指數有顯著影響;識別的結果是,原油平均現價、商品零售價格指數、工業(yè)品出廠價格指數、以及因變量的滯后一階變量4個變量的窗寬大于兩倍的樣本標準差,認為這4個變量對紡織品價格指數的影響是線性的.棉花“指數A”、貨幣供應量、金融機構企業(yè)存款、金融機構短期貸款、匯率水平和期末國家外匯儲備對紡織價格指數的影響是非線性的,稱之為控制變量.根據選擇和識別的結果,建立半參數變系數回歸方程,用來模擬各非參數變量對被解釋變量的影
14、響強度.
(4)半參數模型的模擬結果.建立關于線性變量和非線性變量的半參數回歸方程,并且計算各個參數項和包括7個控制變量的非參數項在紡織價格指數中所占的比重.4個參數項在紡織品價格指數中所占的比例近80%,非參數項則占20%強.在所有6個控制變量中,棉花“指數A”起著主要的作用,實證和模擬的結果認為,在樣本期內如果棉花“指數A”不超過兩倍的樣本均值,可以使得各部分的占比不出現極端值,不超過平均占比的兩倍.
(5)建立
15、實時預測模型.用三類模型,即簡單模型、時間序列模型和狀態(tài)空間模型(Kalman濾波)對紡織品價格總指數進行樣本期內預測(估計)和一期外推預測,在樣本期內,用均方根誤差衡量預測誤差,誤差均在可接受的范圍內,而時間序列模型的預測誤差比簡單模型要大,說明時間序列模型的設定正確.狀態(tài)空間模型的遞推預測結果受初始值的影響,但是當遞推次數足夠多以后,初值的影響會消除,所以舍棄狀態(tài)空間模型預測序列的最初60期以后,預測精確度高于時間序列模型.無論從預
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 帶交易費路徑依賴期權的定價問題和數值計算.pdf
- 基于項目資產不可交易的實物期權效用無差別定價.pdf
- 基于深度學習的場景識別研究.pdf
- 基于深度學習的氣體識別研究.pdf
- 基于深度學習的車輛型號識別.pdf
- 基于深度學習的動作識別研究.pdf
- 基于深度學習的字符識別.pdf
- 基于深度學習的Logo識別研究.pdf
- 基于實物期權的上市公司殼資源交易定價方法研究.pdf
- 大數據資料交易與定價
- 基于極限學習機的實物期權定價模型研究.pdf
- 基于深度學習的人臉識別.pdf
- 基于統(tǒng)計域的時鐘和數據抖動分離分析.pdf
- 基于深度學習和遷移學習的環(huán)境聲音識別.pdf
- 基于深度學習的車牌識別系統(tǒng).pdf
- 基于深度學習的維語語音識別研究.pdf
- 基于深度學習的混合特征人臉識別.pdf
- 基于深度學習的說話人識別研究.pdf
- 基于極限學習機的實物期權定價模型研究
- 基于深度學習框架的動作識別研究.pdf
評論
0/150
提交評論