- 1、本文档共25页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
Lasso办法在ARCH模型定阶中的应用
摘要
摘要
近年来,金融行业的发展带动了数学与统计学方法在金融模型中的应用。在
金融资产中,对收益率波动性的关注也呈现上升的趋势。对于波动性的建模问
题,已提出了很多不同的模型,其中最具代表性的是由Engle于1982年开创性
提出的自回归条件异方差(autoregressive
简称4冗G旧模型。在这之后的二十多年时间里,A冗C日模型的各种变化形式
及各方面的应用成果不断涌现,成为现代经济计量学飞速发展的一个重要领域。
对于ARCH模型的定阶问题也有相当多的讨论,出现了一些对于模型参数的估
计算法,比如禁忌一递阶遗传算法。但是对于模型定阶的问题,在现实生活中,
我们需要模型回归的非零参数尽可能少一些,并且这些非零参数对响应变量的
影响要尽可能的大。现有的模型定阶和参数回归方法并不能满足这个要求。而
Lasso方法在这个问题上有很大的应用优势。本文主要讨论如何运用Lasso(f1.
penalizedregression)方法来对A兄C日模型进行定阶的问题。本文首先在残差正
态性假设的基础上得到ARC’日模型和AR模型之间的关系,使得对于A冗C日模型
的参数估计问题可以用AR模型的极大似然估计方法得出。这样可以使用Lasso方
法,并且通过模拟得出用Lasso方法进行定阶有比较好的稳定性,并且准确率也
较高。还选取了金融时间序列,对其收益率序列分别用传统的ARCH参数估计方
法和Lasso方法来确定其滞后期,并进行对比,得出Lasso方法对于确定金融时间
序列的滞后期有一定的帮助。
Carlo
关键词:ARCH模型,极大似然估计,Lasso,Monte
Abstract
Abstract
recent offinancialmarketsmadetheuseofmathemat-
Duringyears,theprogress
andstatisticalforward thefinancial aRenfionis
ical tools quickly.Amongassets,much
onthe of rate.With to mathematicalmodelsfor
paid volatilityyield respectbuilding
the differentmodelswere most
volatility,many broughtupconsequently.Thepreventa—
tiveoneisthe conditional was
autoregressive
in1982.After morethan20 variatiesand
broughtupbyEngle that,for years,different
it a ofmodem
ofARCHwereshown became
application UP,and veryimportantpart
discussionsand methodsfor
econometrics.Thereare other ARCH,
many computation
BHH articlefocusesonthe
suchas
文档评论(0)