基于EEMD的股票市場影響因素和風(fēng)險度量研究.pdf

1、自上世紀90年代建立以來，我國股票市場取得了巨大成就，已經(jīng)成為我國市場經(jīng)濟的重要組成部分，股票市場的健康發(fā)展也是我國經(jīng)濟繁榮穩(wěn)定的重要基石。然而，由于高風(fēng)險高收益的特征，再加上機制不成熟，我國股市經(jīng)常會出現(xiàn)異常波動的現(xiàn)象。大量實證研究表明，股價波動與宏觀經(jīng)濟之間存在密切關(guān)系，對股市與宏觀經(jīng)濟的關(guān)系進行研究有助于認清股市波動的成因。隨著我國資本市場的逐步開放，金融領(lǐng)域尤其是股票市場面臨的市場風(fēng)險愈加復(fù)雜，提高風(fēng)險防范、控制和監(jiān)管顯得愈加重

2、要，對股票市場風(fēng)險度量進行深入研究有助于防范股票市場風(fēng)險，保障我國股票市場穩(wěn)定。
　　美國工程院華裔院士黃鍔教授在1998年提出了一種新的時頻分解方法:經(jīng)驗?zāi)B(tài)分解(EMD，Empirical Mode Decomposition)。這種方法無需預(yù)設(shè)基函數(shù)，而是依據(jù)信號本身的時間尺度特征來進行分解。與傅里葉分解和小波分解等方法相比，EMD分解擁有更強的局部表現(xiàn)能力，能更準確地刻畫信號原始的物理特性，非常適合處理非線性、非平穩(wěn)時間序

3、列。集合經(jīng)驗?zāi)B(tài)分解(EEMD，Ensemble Empirical Mode Decomposition)改進了EMD算法，通過加入白噪聲的方式，解決了EMD分解中模態(tài)混合的問題，能更加精確地對時間序列進行分解。
　　本文提出了基于EEMD分解的股票市場波動的宏觀經(jīng)濟影響因素研究方法。首先運用EEMD分解方法對上證綜指和深證成指收盤價序列進行分解，得到周期不同的分量，這種分量叫作本征模態(tài)函數(shù)(IMF，Intrinsic Mode

4、 Function)。再運用一種IMFs優(yōu)化重組算法挑選合適的IMFs并重組成一個新序列，然后將新序列與通貨膨脹、工業(yè)增加值、貨幣供應(yīng)量、利率、匯率等5個宏觀經(jīng)濟變量一起建立向量自回歸模型(VAR，Vector Auto-Regression)，應(yīng)用協(xié)整分析和方差分解等方法對他們之間的關(guān)系進行研究。
　　隨著股票市場不斷發(fā)展和股市風(fēng)險的愈加復(fù)雜，對股票市場金融風(fēng)險度量水平的要求也越來越高。在險價值(VaR，Value At Ris

5、k)模型是國際風(fēng)險管理領(lǐng)域最主流的模型之一，創(chuàng)新VaR度量模型和計量方法，對于優(yōu)化股票市場風(fēng)險管理具有實際意義。本文提出了一種基于EEMD分解的神經(jīng)網(wǎng)絡(luò)分位數(shù)回歸模型來度量VaR。神經(jīng)網(wǎng)絡(luò)分位數(shù)回歸(QRNN，Quantile Regression Neural Network)放松了對金融數(shù)據(jù)分布的強假設(shè)約束，也不依賴對波動率的測度來計算VaR，能更好地刻畫我國股票市場金融數(shù)據(jù)尖峰厚尾的特性。
　　本文實證研究表明，中國的宏觀經(jīng)