时序图模型的结构估计及其在股票联动问题中的研究.pdfVIP

  摘 要 我国 A 股市场的行业板块、地域板块、概念股板块经常呈现个股价格一起 上涨或者一起下跌的现象。联动是某个板块内的个股价格一起上涨或者一起下 跌的运动。分析股票市场的联动性不仅可以更深刻的理解在资本市场，而且对 资产组合的研究有相当的重要性。 目前，很多研究者已经使用向量自回归、协整、格兰杰因果检验等方法对 资本市场的联动问题进行了大量研究，这些研究都是在变量的数量很少的情况 下进行的。当非常多的时序变量需要同时进行联动研究时，如我国A股市场1000 只个股的收益率；使用这些时间序列方法会导致两个方面的问题：(1)所需要的 计算量非常的大，(2)会导致结果的不稳定性(Breiman,1996)。 图模型是一个概率模型，其图由节点和节点间的边构成，每个节点代表一 个随机变量，边代表变量之间的概率联系。因此，图模型是研究变量和变量之 间关系的模型。近五年来，Meinshausen和Buhlmann(2006)、Yuan和Lin(2006)、 J Peng(2009)等人提出了一些适合高维图模型的算法，但他们提出的这些算法 都假设样本是独立同分布的。因此，可以使用图模型研究我国 A 股市场全体个 股收益率之间的联动问题。但需要发现合适的算法来估计高维时序图模型。 本文考虑了时序图模型结构建立及估计方法，通过把ADL模型引入SPCACE 模型之中，提出了可以估计高维低样时序图模型的 ADL-SPACE 算法。在不同的 参数值下，同一数据拟合 ADL-SPACE 算法所得到的结果差异很大。本文使用 模拟数据拟合含有一列值的 ADL-SPACE 算法；结果显示当取值在某个范围 时，ADL-SPACE算法能有效的探测到节点的自回归相关。 在实证研究中，本论文使用 SPACE 算法和 ADL-SPACE 算法尝试研究和探讨 了我国 A 股市场中同一行业的个股联动问题。本文发现股市中各行业的联动程 度是不一样的：有的行业间个股同涨同跌的程度会比较高，如金融、保险业； 有的行业个股同涨同跌的程度会比较小，如电子行业。本文通过定义“内边外 边比”指标合适的反映了不同行业间个股的联动强度。在使用 SPACE 算法估计 出图模型后，本文计算出各行业的“内边外边比”指标，并按“内边外边比”   1   指标进行行业排名。通过排名：我们对各行业的联动程度有了准确的数量化的 理解。 最后本文使用 ADL-SPACE 算法构造了一个效益良好的投资组合，这也证明 了ADL-SPACE算法是有效的。 关键词：图模型；ADL-SPACE算法；股票联动   2   Abstract In Chinas stock market, the industry plate, the region plate, and the conc ept plate stock plate present the phenomenon which frequently the stock price rises together or falls together. Co-movement is the stock price rises together or falls together in the plate. Analysing the phenomenon is useful