上证指数的基于小波的NN-GARCH模型及实证研究
2011-02-20王若星张德生彭潇熟
陕西科技大学学报 2011年3期
关键词:模型
王若星, 张德生, 彭潇熟
(西安理工大学理学院, 陕西 西安 710054)
0 引 言
从以往众多的对中国证券市场的实证分析中我们可以知道:证券市场的波动性不仅随时间变化,而且过去回报的干扰项不对称地影响着未来的波动性.投机性价格的变化和收益率的变化具有稳定时期和易变时期,即价格波动呈现集群性,方差随时间变化.基于以上特点的模型有很多,其中广义自回归条件异方差(GARCH)模型族是比较常用的选择.如谈琳琳[1]基于GARCH模型对沪深两市的波动性进行了分析;刘妹伶等[2]基于GARCH模型对人民币/美元汇率进行了预测.
由于人工神经网络能够较好地体现过去的干扰项与未来波动性的非线性关系,所以人工神经网络对证券市场的分析也比较成功,并且神经网络在预测满足以下条件的问题时特别有效: (1)自变量和因变量之间的关系没有已知的数学方程;(2)预测比解释更重要;(3)有足够多的数据可供建模.这正好是金融时间序列所需要的.NN-GARCH模型就是将神经网络应用于金融时间序列建模的方法,它是一个在均值方程中具有非线性神经网络参数,方差方程中具有线性GARCH参数的模型,同时优点还体现在每一步建模过程都被清楚的论证并且实施,包括输入变量的选择,神经网络隐含单元的个数都是通过严格的检验得到的.因此,相对于传统的神经网络研究方法,NN-GARCH模型更加科学,更具有实用性.
另外,在以往的建模过程中,往往不考虑数……
登录APP查看全文
