金融時間序列的長記憶特性及預測研究.pdf

1、金融系統(tǒng)是現(xiàn)代經濟的核心，其復雜性和波動性廣泛存在于各國經濟體制以及社會發(fā)展的各個階段之中。我國于2001年底加入世界貿易組織，自此我國經濟對外開放的步伐逐步擴大，而我國的金融業(yè)也于加入WTO五年后全面開放。這既為我們帶來了發(fā)展機遇，同時也必然面臨前所未有的挑戰(zhàn)，中國的金融業(yè)在影響世界的同時，更多的則是不得不面對來自國際金融市場波動的影響。如何在金融市場國際化進程中搶占先機、采取積極有效的措施應對資本市場的波動成為我國發(fā)展金融市場的當務

2、之急。為了能準確刻畫金融時間序列的特征，就必須建立符合其特征的預測模型，而時間序列的記憶性則是建模的關鍵因素之一。對金融資產價格的記憶性進行研究是對其本質特征的研究，不但可以為監(jiān)管層的政策制定和宏觀調控提供可靠依據(jù)，還能夠為機構和個人投資者提供實踐指導。根據(jù)金融資產價格的特點進行投資決策，兼顧考慮市場的長、短期相關性的影響，才能抓住市場的本質，及時調整投資組合、規(guī)避風險。
　　 基于此，本文的主要創(chuàng)新點如下：
　　 1、

3、同時運用R/S法、修正R/S法和V/S法對金融時間序列進行長記憶性分析。從時間和事件的角度對金融時間序列的長記憶性的影響進行了實證研究，結果表明不同的時間段和時間的選取會得到不同的檢驗結果。并對V/S分析法的短期敏感度進行了實證分析。
　　 2、以傳統(tǒng)GM模型和ARMA模型為基礎，利用IGM(1，1)模型來估計由ARFIMA(p，d,q)模型得到的模擬序列和真實值之間的偏差，提出了用來刻畫長記憶金融時間序列的均值方程IGM-AR

4、FIMA模型。通過對金融時序數(shù)據(jù)的預測研究表明改進后模型的預測效果優(yōu)于原預測模型。
　　 3、以GM-GARCH模型為基礎，針對長記憶性金融時間序列的波動率預測，利用IGM(1，1)模型對FIGARCH模型中的隨機誤差項加以修正，建立IGM-FIGARCH模型，即利用IGM(1，1)模型對FIGARCH模型中的隨機誤差項進行預測，然后將預測值加入到FIGARCH模型中，以修正不確定性因素產生的影響。實證研究表明IGM-FIGAR