2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩59頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、本文介紹并研究了預(yù)測資產(chǎn)收益的可加模型,新模型克服了當(dāng)預(yù)測變量為高度自相關(guān)的非平穩(wěn)時(shí)間序列時(shí)線性預(yù)測回歸模型的內(nèi)生性和不穩(wěn)定性問題。研究發(fā)現(xiàn)多種預(yù)測變量都是高度自相關(guān)的,為了刻畫真實(shí)數(shù)據(jù)的這種性質(zhì),我們引入臨近單位根的假設(shè)。本文的主要?jiǎng)?chuàng)新在于對鄰近單位根時(shí)間序列下非參數(shù)可加模型的估計(jì)和檢驗(yàn),研究得出的許多結(jié)論為有關(guān)資產(chǎn)收益預(yù)測的文獻(xiàn)做出了貢獻(xiàn)。我們首先采用投影估計(jì)的方法對可加模型進(jìn)行估計(jì)。在采用局部線性估計(jì)出回歸曲面的基礎(chǔ)上,通過對回歸

2、曲面投影從而得到模型的每一個(gè)可加項(xiàng)。第二,在投影估計(jì)的基礎(chǔ)上,我們采用兩階段的估計(jì)法對偏殘差進(jìn)行第二階段的局部線性估計(jì)。其中,投影估計(jì)和兩階段估計(jì)的帶寬選擇滿足最小化RMSE的條件。第三,我們結(jié)合三次平滑樣條函數(shù)對可加模型實(shí)施循環(huán)的后退擬合估計(jì),其中平滑系數(shù)的選取滿足最小化GCV的條件。借助于Monte Carlo模擬,我們發(fā)現(xiàn)非參數(shù)的可加模型在大多數(shù)情況下都優(yōu)于線性預(yù)測回歸模型。通過將一般似然比檢驗(yàn)與wild bootstrap相結(jié)合

3、,我們證明不同周期的股票市場收益率都具有一定的可預(yù)測性,高度自相關(guān)的預(yù)測變量對股票市場收益率具有預(yù)測能力,并且股票市場的收益率序列與預(yù)測變量序列間存在不同程度的非線性聯(lián)系。模擬試驗(yàn)還表明結(jié)合wild bootstrap的一般似然比檢驗(yàn)具有合理的效能和第一類統(tǒng)計(jì)錯(cuò)誤概率。文章最后將非參數(shù)的可加模型運(yùn)用到1968年至2008年的S&P500綜合指數(shù)樣本,從中我們證明了非參數(shù)的可加模型能夠很好的模擬真實(shí)的股票市場收益率的波動。同時(shí),我們發(fā)現(xiàn)高

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論