基于非參數(shù)可加模型的股票市場收益可預測性研究.pdf

1、本文介紹并研究了預測資產收益的可加模型，新模型克服了當預測變量為高度自相關的非平穩(wěn)時間序列時線性預測回歸模型的內生性和不穩(wěn)定性問題。研究發(fā)現(xiàn)多種預測變量都是高度自相關的，為了刻畫真實數(shù)據(jù)的這種性質，我們引入臨近單位根的假設。本文的主要創(chuàng)新在于對鄰近單位根時間序列下非參數(shù)可加模型的估計和檢驗，研究得出的許多結論為有關資產收益預測的文獻做出了貢獻。我們首先采用投影估計的方法對可加模型進行估計。在采用局部線性估計出回歸曲面的基礎上，通過對回歸

2、曲面投影從而得到模型的每一個可加項。第二，在投影估計的基礎上，我們采用兩階段的估計法對偏殘差進行第二階段的局部線性估計。其中，投影估計和兩階段估計的帶寬選擇滿足最小化RMSE的條件。第三，我們結合三次平滑樣條函數(shù)對可加模型實施循環(huán)的后退擬合估計，其中平滑系數(shù)的選取滿足最小化GCV的條件。借助于Monte Carlo模擬，我們發(fā)現(xiàn)非參數(shù)的可加模型在大多數(shù)情況下都優(yōu)于線性預測回歸模型。通過將一般似然比檢驗與wild bootstrap相結合

3、，我們證明不同周期的股票市場收益率都具有一定的可預測性，高度自相關的預測變量對股票市場收益率具有預測能力，并且股票市場的收益率序列與預測變量序列間存在不同程度的非線性聯(lián)系。模擬試驗還表明結合wild bootstrap的一般似然比檢驗具有合理的效能和第一類統(tǒng)計錯誤概率。文章最后將非參數(shù)的可加模型運用到1968年至2008年的S&P500綜合指數(shù)樣本，從中我們證明了非參數(shù)的可加模型能夠很好的模擬真實的股票市場收益率的波動。同時，我們發(fā)現(xiàn)高