變結(jié)構(gòu)模型波動(dòng)持續(xù)性研究.pdf

1、許多宏觀經(jīng)濟(jì)或金融時(shí)間序列的正常行為會(huì)發(fā)生偶然性中斷，致使經(jīng)濟(jì)系統(tǒng)從一個(gè)體制轉(zhuǎn)換到另一個(gè)體制，此類(lèi)動(dòng)態(tài)行為可能源于戰(zhàn)爭(zhēng)、經(jīng)濟(jì)危機(jī)、股市泡沫、政策變化等。當(dāng)這種轉(zhuǎn)換發(fā)生時(shí)，數(shù)據(jù)的分布特征也要隨之改變，導(dǎo)致不同時(shí)期的經(jīng)濟(jì)運(yùn)行規(guī)律有不同的特征和表現(xiàn)形式，故不能把數(shù)據(jù)簡(jiǎn)單匯總在一起進(jìn)行建模分析。已經(jīng)存在的經(jīng)濟(jì)模型，即使能很好地解釋歷史現(xiàn)象，也不一定能夠?qū)ξ磥?lái)做出準(zhǔn)確的預(yù)測(cè)。而經(jīng)典ARCH模型族對(duì)金融時(shí)間序列進(jìn)行建模及預(yù)測(cè)時(shí)，其前提假設(shè)為擬合期數(shù)

2、據(jù)與預(yù)測(cè)期數(shù)據(jù)服從同一參數(shù)模型，即結(jié)構(gòu)不變，忽視了波動(dòng)中變結(jié)構(gòu)的存在。故對(duì)非平穩(wěn)的時(shí)間序列數(shù)據(jù)用ARCH類(lèi)模型建模所得到的波動(dòng)持續(xù)性和平滑性都不能反映波動(dòng)的真實(shí)特性，其往往會(huì)低估高波動(dòng)時(shí)期的波動(dòng)率，高估低波動(dòng)時(shí)期的波動(dòng)率。由此引發(fā)了對(duì)金融變量變結(jié)構(gòu)問(wèn)題研究的必要性。
　　 本文圍繞金融波動(dòng)過(guò)程的變結(jié)構(gòu)問(wèn)題展開(kāi)，主要工作包括以下內(nèi)容：
　　 1、總結(jié)了國(guó)內(nèi)外文獻(xiàn)中金融波動(dòng)過(guò)程變結(jié)構(gòu)研究成果及變結(jié)構(gòu)建模方法，對(duì)三類(lèi)變結(jié)構(gòu)波動(dòng)

3、模型進(jìn)行對(duì)比總結(jié)。為了描述具有變結(jié)構(gòu)特征的時(shí)間序列變量之間的協(xié)同持續(xù)關(guān)系，提出變結(jié)構(gòu)協(xié)同持續(xù)定義，將變結(jié)構(gòu)協(xié)同持續(xù)分為參數(shù)變化型與部分變化型兩種類(lèi)型，并給出檢驗(yàn)變結(jié)構(gòu)協(xié)同持續(xù)關(guān)系的系統(tǒng)方法。
　　 2、為了更好地描述金融變量在不同階段的不同波動(dòng)關(guān)系，在向量GARCH模型中引入Markov轉(zhuǎn)換機(jī)制，構(gòu)建了具有Markov結(jié)構(gòu)轉(zhuǎn)換的向量GARCH模型--向量MRS-GARCH模型。
　　 3、用濾波技術(shù)推導(dǎo)了向量MRS-GA

4、RCH模型的參數(shù)估計(jì)極大似然法及基于全樣本的平滑概率，基于預(yù)測(cè)公式探討了向量MRS-GARCH過(guò)程的持續(xù)性，提出向量MRS-GARCH過(guò)程的衰減指數(shù)，以度量波動(dòng)沖擊和狀態(tài)變化對(duì)向量過(guò)程的影響。
　　 4、從狀態(tài)持續(xù)時(shí)間和引入Markov鏈的向量GARCH過(guò)程的持續(xù)性?xún)蓚€(gè)方面探討向量MRS-GARCH模型的持續(xù)性，給出并證明了向量MRS-GARCH過(guò)程滿足平穩(wěn)性和協(xié)同持續(xù)性的定理，由此可分析在不同階段內(nèi)金融變量之間的特定關(guān)聯(lián)屬性，

5、得出各金融變量之間關(guān)聯(lián)性的“狀態(tài)轉(zhuǎn)移”性質(zhì)。
　　 5、針對(duì)Markov鏈的短記憶性，在Markov狀態(tài)轉(zhuǎn)換模型基礎(chǔ)上，令各狀態(tài)之間以厚尾方式轉(zhuǎn)移，將標(biāo)準(zhǔn)向量GARCH模型與具有厚尾分布的狀態(tài)變量St，結(jié)合，構(gòu)建了基于厚尾分布轉(zhuǎn)移的向量GARCH模型--Heavy-tail RS-GARCH模型，以更好地刻畫(huà)金融時(shí)間序列的長(zhǎng)記憶性及厚尾性。
　　 6、為更好地反應(yīng)股票市場(chǎng)的杠桿效應(yīng)和金融市場(chǎng)的時(shí)變性，結(jié)合行為金融學(xué)與神經(jīng)

6、元工作機(jī)制，將非線性活化函數(shù)Sigmoid函數(shù)與變結(jié)構(gòu)向量GARCH模型結(jié)合提出變結(jié)構(gòu)向量VFB-GARCH模型。探討了波動(dòng)持續(xù)性質(zhì)，并從單位根的角度討論了該模型的協(xié)同持續(xù)性及存在這一特性的充要條件。
　　 7、選取了2000年1月4日到2008年12月31日期間上證綜合指數(shù)和深證成分指數(shù)每個(gè)交易日的收盤(pán)價(jià)，用向量MRS-GARCH模型對(duì)兩個(gè)序列建模之后，得出兩者之間存在著變結(jié)構(gòu)協(xié)同持續(xù)關(guān)系，驗(yàn)證了用變結(jié)構(gòu)模型對(duì)滬市、深市收益率

7、建模之后能夠消除由變結(jié)構(gòu)導(dǎo)致的偽持續(xù)性的結(jié)論。
　　 本文研究成果對(duì)于金融風(fēng)險(xiǎn)管理及證券投資分析都具有重要的指導(dǎo)意義和實(shí)際應(yīng)用價(jià)值。
　　 向量MRS-GARCH模型可在平穩(wěn)波動(dòng)狀態(tài)和劇烈波動(dòng)狀態(tài)之間轉(zhuǎn)換，能夠更好地模擬和預(yù)測(cè)波動(dòng)在高、低狀態(tài)之間的轉(zhuǎn)換以及由制度、政策變遷引起的狀態(tài)跳躍或轉(zhuǎn)換時(shí)的特征。能夠更好地描述金融變量之間的聯(lián)動(dòng)效應(yīng)，捕捉時(shí)間序列變量復(fù)雜的動(dòng)態(tài)演化過(guò)程。
　　 而金融市場(chǎng)中極端波動(dòng)情景和事件時(shí)

8、有發(fā)生，且往往以“集聚”方式?jīng)_擊資本市場(chǎng)，從而使金融市場(chǎng)價(jià)格變化具有明顯的“厚尾”性。Heavy-tail RS-GARCH模型以厚尾方式轉(zhuǎn)移，這樣一方面減少了參數(shù)估計(jì)的困難，另一方面仍保持狀態(tài)變量的自相關(guān)系數(shù)以雙曲率遞減，使波動(dòng)狀態(tài)的持續(xù)為長(zhǎng)記憶過(guò)程。
　　 基于行為金融學(xué)的變結(jié)構(gòu)向量VFB-GARCH模型能夠很好地反映股票市場(chǎng)的杠桿效應(yīng)和全融市場(chǎng)的時(shí)變性，刻畫(huà)了金融市場(chǎng)中人們對(duì)利空信息和利多信息的不對(duì)稱(chēng)性反應(yīng)，不僅反映了信息