文档介绍：博士学位论文非参数、半参数P图坝τ醚芯戴丽娜筮捞全融统让坌抚包蓥差教授至鱼生】专业名称:研究方向:指导教师:级:中国·成都·西南财经大学年级定稿时间:分类号密级:
摘要模型9赜诮灰准鄹竦募屏磕P椭饕S校篈..P秃蚒—果更具有一般意义。由非参数可加P陀氚氩问鼳P湍型理论研究的基础上,还基于模拟数据与证券市场样本数据对它们进进行的实证分析可以更好地验证这些模型相对于参数P偷挠良性质,还可以使得我们的理论研究更具有说服力。在证券市场选取本文共分为六章。第一章对基于超高频数据建模研究现状进行了P褪嵌猿咂凳萁⒌哪P汀2问鼳模型对条件期望的函数形式与随机误差项的分布形式的要求都比较严格,而非参数P汀⒎遣问杉覣模型、半参数P头趴砹四P偷设定条件,对模型的形式要求不是很强,避免了像参数模型那样由于模型错误设定得出错误结论的可能,对实际数据的解读能力更强。非参数、半参数模型不失为一种不同于参数模型的建模思路,得出的结合出的曲线对设定参数P途哂幸欢ǖ闹傅甲饔谩T诙哉庑┠行实证分析。这些基于模拟数据与证券市场真实样本数据对这些模型的真实样本为沪深股市的深发展⒅泄M⒐电电力、五粮液、中国石化的价格久期,选取样本的时间段为年日到年眨救萘分别为、、、、。综述。基于超高频数据建立的模型包括两类:一类是关于交易间隔的模型;另一类是关于交易价格变化的模型。关于交易间隔的模型主要有自回归条件交易间隔模型模型退婊跫灰准涓裟PP汀1疚难芯康姆遣问鼳模型、非参数可加P陀氚参数P褪茿模型向非参数、.半参数方向的发展。这些模型的研究丰富了基于超高频数据建模的理论。第二章讨论了,、·,、饧父霰冉常见的参数P停⒒谀D馐萦胫と谐〉恼媸笛臼荻
期望的函数形式与随机误差项的分布形式的要求不是很碣,因此使得这些模型进行了实证分析。除了门限P统猓渌父霾问型假定条件期望为线性的形式,随机误差项分别为指数分布、分布。实证分析表明参数P腿菀状嬖谧拍P臀笊琛2问鼳模型的讨论为后面几章继续研究作了铺垫。在对参数P吞致鄣幕∩希恼碌牡谌⒌谒摹⒌谖逭路别讨论或建立了非参数P汀⒎遣问杉覣模型与半参数模型。文章的第三章基于模拟数据与中国证券市场的样本数据讨论了非参数P汀7遣问鼳模型假定条件期望的函数形式为一个完全未知的非参数函数,这个未知的非参数函数的自变量为条件期望的滞后期与久期的滞后期。在他人已有研究成果的基础上,我们基于模拟数据和中国证券市场的样本数据对这个模型进行了应用研究。在应用分析中,我们对非参数P偷墓兰平峁胝嬷档牟钜斐潭扔氩数模型的估计结果与真值的差异程度进行了比较,比较的结果表明非参数P偷墓兰平峁忧飨蛴谡嬷怠U庵饕J且蛭7遣问鼳模型对条件期望的函数形式与随机误差项的分布形式不作更多要求,因此它对模型的误设就没有参数P兔舾小7遣问鼳模型因为估计不出来任何参数使得模型的解释能力比较低,而且当滞后阶增加时,菲参数P凸兰破鹄幢冉侠巡⑶一岢鱿帧拔帜选蔽侍狻非参数P汀拔帜选钡奈侍饪梢杂梅遣问杉覣模型来解决。·非参数可加P捅局噬鲜粲诜遣问鼳模型,这个模型把一个估计多维未知函数的问题转变为一个估计多个一维未知函数的问题。论文的第四章研究了非参数可加P偷墓兰品椒ǎ⒒谀拟数据与证券市场真实样本数据对模型进行了实证分析。本章采用迭代的算法对模型进行估计。在基于证券模拟数据与证券市场样本数据的实证分析中都可以发现,非参数可加P偷墓兰平峁脖炔问P偷墓兰平峁饔谡嬷档ü兰莆蟛畋确遣问鼳模型要大些。这是因为和非参数P鸵谎遣问杉覣模型也对条件模型估计的误差比参数P鸵P。蛭L跫谕问街懈‘
较弱,‘它只能以图形的形式体现各个可加成分对模型的大致影响。非分又有非参数部分,因此需要对二者都进行估计。因为模型的特殊形数P投阅P偷奈笊杳舾校ü兰乒兰频奈蟛钜1确遣问鼳模型与非参数可加P偷墓兰莆蟛钜4笮7遣问糠止兰瞥隼吹曲线表明条件期望的滞后期对条件期望的函数形式的影响表现为近致。利用半参数P凸兰瞥龅那叨陨瓒ú问P虯模型的模岢隽艘恢植煌诓问P偷慕K悸贰S氩问P拖啾冉希个可加成分多了线性的限制,使得它的估计误差要比非参数P要大些。.虽然解决了“维数灾难”问题,但非参数可加P鸵蛭不能估计出各个可加成分的函数形式,所以这个模型的解释能力也比参数可加P徒馐湍芰Ρ冉系偷奈侍饪梢杂冒氩问鼳模型来解半参数P褪欠遣问鼳模型与参数P偷牡樱庵模型因为在模型中增加了参数部分所以增加了模型的解释能力,而且模型由于没有出现多维非参数部分因此又解决了“维数灾难”的问题。本文研究了一个半参数P停飧霭氩问鼳模型假定条件期望的函数形式为一个半参数的形式,并且假定条件期望的滞后期部分为非参数部分,久期的滞后期部分为参数部分。这个模型中既有参数部式不能利用已有的半参数模型的估计方法进行直接估计,对于这个半参数P捅收呤怯靡桓龅姆椒ǘ阅P徒泄兰疲诘墓程中要用到半参数模型的估