股票收益率方向預(yù)測(cè)：基于一種新的非參數(shù)方法.pdf

1、預(yù)測(cè)未來(lái)的股票收益率方向?qū)ν顿Y者進(jìn)行決策具有重要的指導(dǎo)意義，股票的運(yùn)動(dòng)趨勢(shì)表現(xiàn)為上漲和下跌，可以看作是一個(gè)二值選擇問(wèn)題，通常用計(jì)量方法中的二值選擇模型進(jìn)行研究，大多數(shù)學(xué)者運(yùn)用Logistic回歸預(yù)測(cè)模型對(duì)股票收益率方向進(jìn)行預(yù)測(cè)，然而該模型屬于廣義線性模型，具有一定的局限性。金融市場(chǎng)是一個(gè)復(fù)雜的動(dòng)力系統(tǒng)，分布特征具有變動(dòng)性，線性模型很難捕捉它的特征，Logistic回歸預(yù)測(cè)方法很難取得較好的效果。而且現(xiàn)有的計(jì)量模型中又很少具有分類功能，因

2、此，研究新的計(jì)量分類預(yù)測(cè)方法就具有重要意義。
　　參數(shù)模型在預(yù)測(cè)股票收益率時(shí)常常存在模型設(shè)定誤差，而非參數(shù)模型相較于參數(shù)模型更能刻畫(huà)股票收益率特征。Harvey & Oryshchenko(2012)對(duì)時(shí)間序列非參數(shù)核密度估計(jì)進(jìn)行了研究，提出了時(shí)變的密度函數(shù)估計(jì)理論。本文將此時(shí)變密度函數(shù)估計(jì)理論應(yīng)用到股票收益率方向的預(yù)測(cè)中，稱為時(shí)變非參數(shù)密度函數(shù)模型—TVF模型。考慮到一些經(jīng)濟(jì)變量會(huì)對(duì)股票收益率產(chǎn)生影響，為了提高模型的預(yù)測(cè)精度，本

3、文將影響變量加入到研究對(duì)象的權(quán)重函數(shù)中，在TVF模型的基礎(chǔ)上構(gòu)造了一個(gè)新的非參數(shù)預(yù)測(cè)模型—時(shí)變因子加權(quán)非參數(shù)密度函數(shù)模型—F-TVF模型。
　　本文以上海綜指月度價(jià)格指數(shù)數(shù)據(jù)進(jìn)行實(shí)證研究，并以TVF模型、F-TVF模型和Logistic模型對(duì)其建模，運(yùn)用滾動(dòng)時(shí)間窗口策略進(jìn)行樣本外預(yù)測(cè)，并基于統(tǒng)計(jì)評(píng)價(jià)方法和模擬交易策略的方法，對(duì)預(yù)測(cè)效果進(jìn)行評(píng)價(jià)，最后也對(duì)模型做了穩(wěn)定性檢驗(yàn)。實(shí)證結(jié)果顯示:本文構(gòu)建的新的非參數(shù)F-TVF模型在三個(gè)預(yù)測(cè)模