论文部分内容阅读
金融资产价格的波动是金融体系风险积累的重要来源之一，几乎所有的金融危机都与金融资产价格的波动相关，因而对于波动性的定量建模是对金融资产波动性研究的核心内容之一。与参数模型相比较，非参数的建模方法是一种不同于参数建模方法的新思路，参数模型是使用最多的模型，这类模型有许多优点，但模型需要的设定条件却比较严格，当不知道或者不很清楚变量的分布形式时，利用实际样本数据建立的参数模型可能会由于错误的设定而得出错误的结论。而非参数模型不要求设定条件，不会由于错误的设定而得出错误的结论，这在现实中比较有用。虽然非参数模型的解释能力不如参数模型强，但非参数模型能够给出数据的拟合曲线，这对设定参数模型具有一定的指导作用。由于沪深大盘指数的收益率分布函数并不服从通常人们所认为的正态分布，本文采用非参数技术对大盘指数的收益率从多个方面进行实证分析，这种方法比需要对次产价格进行分布假设的参数模型更能捕捉市场的风险特征，结论也更加准确。
本文首先利用函数系数自回归模型对上海股市日收益率进行非参数建模，用广义似然比非参数的条件自助法对模型进行检验，从而确定了合适的模型并分析了上证综合指数收益率的非线性特征。
样条方法是研究非线性时间序列的一种有用工具，论文在混合相依样本的条件下，构造了非参数方差模型中方差函数的相合估计，利用广义交叉核实函数选取光滑参数，然后用非参数光滑样条估计研究了股票收益率的波动性，实证分析结果表明沪市指数收益波动具有明显的非对称性。目前学术界对我国股市收益率波动非对称性的存在基本认同，但对其具体表现形式还有争论，对其成因、影响和现实意义分析尚不充分。
最后，本文采用沪深指数的日收盘价对数百分收益率为样本，运用非参数GARCH（1,1）模型研究了中国股票市场的波动性，并与参数GARCH（1,1）模型的估计结果进行了比较，利用六种误差度量指标比较了这两种模型的估计效果，实证分析结果表明，非参数GARCH模型拟合的波动率比参数GARCH模型更接近真值。