自回归条件异方差模型的模拟

通过介绍怎样利用SAS/ETS中的自回归(Autoreg)过程实现条件异方差(ARCH)模型数据的分析,将理论与实践相结合,利用SAS/IML软件模拟两组(一组为ARCH(q)模型,另一组为AR(m)-ARCH(q)模型)ARCH数据,然后调用自回归过程对两组数据分别用相应ARCH模型进行效据拟合,得到理想结果.     

ARCH模型在金融时间序列中的拟合应用

讨论了自回归条件异方差(Autoregressive Conditional Heteroskedastic,简称ARCH)模型在金融时间序列分析中的拟合应用,以一金融时间序列为例,通过SAS/ETS中的自回归(Autoreh)过程实现对该金融时间序列的自回归-广义自回归条件异方差(Autoregressive-generalzed ARCH,简称AR-GARCH)模型的拟合和分析,最终得到理想结果.     

Fuzzy变量的Fuzzy线性回归模型的最小二乘估计

以LR型Fuzzy数空间的距离为基础 ,给出了Fuzzy变量的Fuzzy线性回归模型的未知参数的最小二乘估计 ,论述了未知参数在FLR(R) 中的计算方法。     

一个整值ARCH（p）模型的经验似然推断

研究整值ARCH(p)模型的经验似然推断.利用经验似然方法, 给出了模型参数的最大经验似然估计, 并证明了估计量的相合性和渐近正态性.     

居民消费价格指数的ARCH模型及实证分析

本文根据居民消费价格指数时间序列（CPI）数据本身的特点,建立了CPI的自回归模型、一到三阶ARCH模型。比较各个模型参数,得到CPI短期预测最优模型为自回归一阶ARCH模型。预测效果图表明：自回归一阶ARCH模型在预测趋势突变时会有一定的滞后性。     

ARCH序列部分和的矩不等式

在论证了ARCH模型绝对值序列是一两两PQD(Positively Quadrant Dependent)序列的基础上,给出了ARCH模型绝对值序列部分和的一个矩不等式;同时根据ARCH序列是鞅差序列、正交序列,给出了其他若干ARCH序列部分和的矩不等式.     

基于图模型方法的ARCH效应检验

应用图模型方法讨论传统时间序列的ARCH(自回归条件异方差)效应,证明了ARCH模型的系数等于变换后模型在给定其它时间序列变量条件下的偏相关系数,并提出了一种新的ARCH效应检验方法.     

一个整值ARCH(p)模型的经验似然推断

研究整值ARCH(p)模型的经验似然推断. 利用经 验似然方法, 给出了模型参数的最大经验似然估计, 并证明了估计量的相合性和渐近正态性 .     

ARCH(0,q)模型参数M-估计的渐近性质

在一个新的准则函数下,用遍历性定理证明了自回归条件异方差模型ARCH(0,q)参数的M-估计的相合性,并用鞅中心极限定理给出了该模型M-估计的渐近正态性.     

(ψ)-混合误差下半参数回归模型小波估计的γ阶矩收敛速度

考虑一类固定设计下的半参数回归模型yi=xiβ+ g(ti)+ei,i=1,2,…,n,对于模型中的未知参数β和未知函数g(t)的小波估计(∧β)n和(∧g)n(t).,在{ei,1≤i≤n)是(ψ)-混合随机误差时,研究了(∧β)n和(∧g)n(t)的γ阶矩一致收敛速度.     

基于HAR RV J ARCH模型的中国股票市场异质性研究

针对中国股票市场的异质性现象,提出HAR-RV、HAR-RV-J以及HAR-RV-J-ARCH这3种模型进行研究;采用最小二乘法结合Newey West协方差形式进行参数估计再进行预测,并比较3种模型拟合效果和预测效果;实证结果得出股票市场收益波动率的异质性主要是由月波动(长期交易者)和跳跃波动决定,日波动(短期交易者)和周波动(中期交易者)影响效果较小,并且HAR-RV-J-ARCH模型拟合效果更好;结果表明HAR-RV-J-ARCH模型能较好地描述股票的异质性现象。     

序约束下ARCH模型的最小二乘估计

研究序约束条件下自回归条件异方差(ARCH)模型的统计 推断. 给出ARCH(q)模型中非负参数(α₀,α₁,α₂,…, α_q)的一种最小二乘估计的准则函数, 证明了由此得到参数估计的强相合性. 而且通过讨论在序约束(α₁≥α₂≥…≥α_q)下估计的 准确形式及其渐近性, 得到了检验统计量的形式, 从而解决了在参 数空间有序约束条件下的假设检验问题.     

随机扰动项误设对GARCH模型参数估计的影响

以AR(1)-GARCH(1,1)为例,讨论随机扰动项误设与不同优化算法对模型参数估计结果的影响。结果发现,随机扰动项误设对条件均值方程参数估计值影响不大,而条件方差方程中ARCH项系数、GARCH项系数与真值的偏差较为厉害。进一步分析发现,在小样本情况下采用NLMINB算法,ARCH项系数的均值估计结果更理想一些,但收敛于真值的速度却低于LBFGSB算法;LBFGSB算法估计GARCH项系数结果会更理想,但LBFGSB算法估计CARCH系数时收敛于真值速度却低于NLMINB算法。     

Poisson ARCH(1)过程的中偏差及其应用

给出Poisson ARCH(1)过程的中偏差存在形式,并将Poisson ARCH(1)过程应用到一个离散风险模型中,利用获得的中偏差结果,对其有限破产概率进行了渐近等价估算.     

金融系统ARCH模型及应用

针对金融数据具有丛集性与异方差性的特征,给出了最能反映这一特征的研究方法,在此基础上,比较系统地介绍了ＡＲＣＨ模型及其若干变形,参数估计与假设检验,讨论了金融系统ＡＲＣＨ模型的应用前景。     

资本市场有效性假说与AR-X-GARCH模型的应用

资本市场有效性假说的实证分析主要有随机游走检验，相关性检验和ARCH类模型检验，而ARCH类模型较好地揭示高频金融时间序列的条件方差时变性，波动集束和宽尾分布现象。使用AR－X－GARCH（1，1）模型分析深沪两市的弱式有效性，条件方差的特性及它们的交互影响。     

我国物价指数的时间序列分析

借助于SAS软件,首先将时间序列的ARIMA模型应用于我国的物价指数分析,通过分析其拟合与预测误差可以发现该模型效果良好.然后运用ARCH模型进行分析,经过比较发现在对我国物价指数的分析上,ARIMA模型的效果要好于ARCH模型.