平行数据模型截面内误差项服从ARCH分布的探讨.pdfVIP

平行数据模型截面内误差项服从ARCH分布的 探讨 任燕燕 花小安 （山东大学经济学院，济南，250100） 摘要 本文探讨了平行数据模型横截面内误差项v 服从ARCH分布的模型设定与参数估计问题。利用 it 矩阵谱分解的技巧，使本来需要广义最小二乘估计(GLS)方法解决的问题，转化为普通最小二乘估计 (OLS)方法解决了，简化了运算程序，并利用Monte-carlo随机模拟方法验证了估计的优良性。 关键词 平行数据模型，矩阵的谱分解，ARCH模型，Monte-carlo模拟 一、引言 金融市场中的一个常见现象，就是股价或其它类似的金融产品价格的波动性 （Volatility）不仅随时间t变化，而且常在某一时段中出现连续偏高或偏低的现象。 股价和其他金融变量的这一特征很难由随机游动模型解释，但可用ARCH模型及其推广模 型来描述。因此利用平行数据模型进行金融分析时，需要对横截面内时间序列的随机误 差项考虑自回归条件异方差（ARCH）问题。平行数据模型的异方差问题是由Mazodier 和Trognon(1978)首次提出的，Baltagi和Griffin（1988a）利用矩阵谱分解的技巧解决了 2 2 误差项  0,w ,v  iid 0, 的参数估计问题。本文考虑了横截面内随机误差 i  i  it   项v 服从ARCH分布的平行数据的异方差问题，给出模型设定的假设检验和参数的一致 it 估计。并利用Monte-Carlo模拟方法验证本文估计方法优于普通最小二乘估计方法。 我们考虑的的模型为: y  x u ，u  v (1) it it it it i it x 1k k1  其中： 为 向量，β是 向量， 独立同分布，v  ARCH q 即 it i it   v  htMt ， it 2 2 i1,,N,t1,,T M  iidN 0,1 ，h  v  v ， 。 t   t 0 1 i,t1 q i,tq 若将扰动项u  v 记为：u Z v，其中： it i it  山东省软科学研究计划项目(B200546)， Y2007A03 基金项目：山山东东省省软软科科学学研研究究计计划划项项目目((BB220000554466))，，山东省自然科学基金（YA0033） 1 作者简介：任燕燕，女，山东德州人，山东大学经济学院教授，统计学博士后，研究方向为计量经济学  u  u ,,u ,,u ,,u  11 1T N1 NT    ( , ,, )  1 2 N     ,