關(guān)于半?yún)?shù)神經(jīng)網(wǎng)絡(luò)GARCH模型族在中國(guó)股市的進(jìn)一步研究.pdf

1、在現(xiàn)代金融理論中,有兩個(gè)金融市場(chǎng)的基本活動(dòng),它們分別是風(fēng)險(xiǎn)評(píng)估和資產(chǎn)定價(jià),在對(duì)這兩個(gè)基本活動(dòng)的實(shí)踐中我們都會(huì)遇到一個(gè)度量指標(biāo),也就是我們經(jīng)常說的資產(chǎn)收益波動(dòng)率。在投資組合的安排中,以及金融風(fēng)險(xiǎn)管理的理論和實(shí)踐中,它是對(duì)資產(chǎn)收益不確定性的衡量,代表了資產(chǎn)的風(fēng)險(xiǎn)狀況,因此能夠準(zhǔn)確的測(cè)量,乃至預(yù)測(cè)金融資產(chǎn)的波動(dòng)率是金融市場(chǎng)研究的重要問題之一。
　　在對(duì)于資產(chǎn)波動(dòng)率的測(cè)量方法的研究中,國(guó)內(nèi)外的專家學(xué)者,多年來已經(jīng)產(chǎn)生了大量的文獻(xiàn)著作,和實(shí)

2、踐結(jié)果,并取得了顯著的研究成就。事實(shí)上,Engle于1982年首次提出的自回歸條件異方差理論(即ARCH模型)就如同里程碑一樣開啟了異方差模型的大門,這一模型方法便被廣而傳之,隨后的研究者們?yōu)榱诉M(jìn)一步刻畫金融資產(chǎn)收益率的觀測(cè)特性—包括:尖峰厚尾,聚集性,持續(xù)性等,于是不斷對(duì)ARCH模型進(jìn)行拓展與改進(jìn),相繼提出了GARCH、EGARCH、TGARCH、GJRGARCH、NAGARCH、APARCH等模型,其中最著名的莫過于 Bollers

3、lev在1986年提出的GARCH模型,即廣義自回歸條件異方差模型,它是對(duì)ARCH模型的一種最常見的推廣形式,以至于我們將之后提出EGARCH等模型,統(tǒng)稱為參數(shù)GARCH模型?？墒?參數(shù)模型有其最大的弊端,也就是需要具體參數(shù)形式以及各種條件假設(shè),因此也就造成了模型的局限性。研究者們?yōu)榱送黄七@些假設(shè)限制,于是提出了另一類新的方法,即非參數(shù) GARCH模型。但是,研究者們同時(shí)也發(fā)現(xiàn),非參數(shù)方法雖然避免了假設(shè)限制,卻也存在其自身的諸多缺陷,例

4、如,過度依賴大樣本數(shù)據(jù),維數(shù)災(zāi),以及缺乏解釋性等問題。因此在近幾年的研究中,許多研究者嘗試使用半?yún)?shù) GARCH模型來測(cè)量金融資產(chǎn)的波動(dòng)率,這類模型不僅擁有非參數(shù)模型較好的擬合和預(yù)測(cè)能力,同時(shí)兼具傳統(tǒng)參數(shù)模型的解釋能力,可以較好測(cè)量金融資產(chǎn)的波動(dòng)率變化。
　　通常,半?yún)?shù)GARCH模型是由GARCH模型和另一種非參數(shù)方法雜交而成,例如:小波分析、局部多項(xiàng)式回歸,Copula函數(shù)等,而本文對(duì)于中國(guó)股市的波動(dòng)率研究正是基于神經(jīng)網(wǎng)絡(luò)算法