ARCH模型参数的随机加权线性估计

发布时间：2023-11-04 13:00

　　传统的计量经济学是我们研究分析数理金融的主流工具,其中的许多模型假定选取的样本满足同方差条件,然而随着金融理论的发展和实证工作的深入,我们发现这一假设并不合理。1982年,在研究英国通货膨胀的问题时,Engel就如何实时的精确测量波动,动态刻画收益率的异方差问题提出了ARCH模型(Autoregressive conditional heteroskedasticity model),从而为有效地解决上述问题提供了新的途径。由于ARCH族模型能够对金融风险较以往的模型进行更为精确的刻画,因此成为了目前描述金融风险的主要模型。但ARCH族模型的精确性取决于其参数估计的精确性,所以ARCH模型参数估计方法的改进成为目前制约其进一步应用的关键因素。 对于传统的线性模型,参数的主要估计方法有最小二乘估计法、极大似然估计法以及矩估计法,分别适用于不同情况下的模型参数估计。由于极大似然估计具有较好的分布适用性,近年来逐渐成为计量模型较为常用的参数估计方法。但ARCH族模型为典型非线性模型,因此在进行极大似然估计时,往往受限于最优解的算法：无法找到最优解或唯一解。目前对金融数据的研究则多采用准极大似...

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 引言
    1.1 本文研究的意义及目的
    1.2 国内外文献综述
    1.3 本文的组织结构与主要的研究内容
    1.4 本文的创新点和不足
2 ARCH模型参数估计方法介绍
    2.1 极大似然估计方法估计ARCH模型参数
        2.1.1. 极大似然估计方法介绍
        2.1.2 极大似然估计方法估计ARCH模型参数的方法介绍
        2.1.3 极大似然估计方法估计ARCH模型参数的优缺点
    2.2 随机加权法估计ARCH模型参数
        2.2.1 随机加权理论介绍
        2.2.2 随机加权方法优点
3 随机加权法线性估计的原理与应用条件
    3.1 随机加权的原理
    3.2 随机加权法线性估计的应用条件
4 数据模拟进行ARCH模型参数估计
    4.1 利用随机加权法估计参数的理论介绍
    4.2 随机加权法进行参数估计
        4.2.1 比较随机加权法与极大似然估计的参数估计结果
        4.2.2 改变滞后项系数再次进行比较
5 实证分析
    5.1 随机加权法模拟数据的相关实证分析
    5.2 极大似然法估计数据的相关实证分析
6 结论
附录
参考文献
后记



本文编号：3860354