基于NN-GARCH模型的中國滬深300指數(shù)實證研究.pdf

1、本文介紹了一種將神經(jīng)網(wǎng)絡應用于金融時間序列建模的新方法NN-GARCH模型。它是一個在均值方程中具有非線性神經(jīng)網(wǎng)絡參數(shù)，方差方程中具有線性GARCH參數(shù)的模型。它與傳統(tǒng)的神經(jīng)網(wǎng)絡“黑箱子”的研究方法不同，它的優(yōu)點是每一步建模過程都被清楚的論證并且實施，輸入變量的選擇、神經(jīng)網(wǎng)絡隱含單元的個數(shù)都是通過嚴格的檢驗得到的。為了能夠同時模擬出數(shù)據(jù)生成過程的條件均值和方差變異性，該模型超越了神經(jīng)網(wǎng)絡函數(shù)單純近似的功能，將它推廣到統(tǒng)計建模的高度，從而

2、把神經(jīng)網(wǎng)絡技術(shù)引入到當今計量經(jīng)濟研究領(lǐng)域的核心中來。通過文中推薦的NN-GARCH模型不僅可以找出目標變量和解釋變量之間的函數(shù)關(guān)系，還可以捕獲條件分布的其它有趣特征。 本文主要介紹NN-GARCH模型的完整建模方法，包括模型參數(shù)的選擇、估計和最終方程的評價，還特別討論了估計模型的樣本內(nèi)錯誤設定檢驗(殘差自相關(guān)，忽略的非線性以及忽略的異方差等因素)?；跇O大似然理論，通過設計NN-GARCH模型框架下的統(tǒng)計推斷過程，可以使建模者恰

3、當?shù)臋z驗概率分布的均值和方差結(jié)構(gòu)。為了保證在不同的錯誤設定形式下(結(jié)構(gòu)或分布方面)的檢驗都是有效的，本文還采用了經(jīng)典的L M統(tǒng)計量。 在建立完整的NN-GARCH模型以后，本文將這個方法應用于實際金融時間序列，對中國滬深300指數(shù)建模并預測，并將其與其他的線性和非線性回歸模型進行綜合比較并得出結(jié)論：含有2個神經(jīng)元的NN-GARCH模型可以對滬深300指數(shù)收益率序列的統(tǒng)計特征做出足夠的描述，它相對于其他傳統(tǒng)的線性模型可以獲得更加精