隨機(jī)波動(dòng)模型在能源股票中的相關(guān)性及動(dòng)態(tài)變結(jié)構(gòu)點(diǎn)研究.pdf

1、針對(duì)近年來(lái)逐漸被重視的時(shí)變相關(guān)系數(shù)變結(jié)構(gòu)點(diǎn)的診斷和預(yù)測(cè)問(wèn)題，本文基于Copula理論，提出一種不同于傳統(tǒng)變結(jié)構(gòu)診斷的方法——局部變結(jié)構(gòu)診斷方法:通過(guò)縮小待診點(diǎn)前后的樣本區(qū)間，避免因樣本區(qū)間過(guò)大導(dǎo)致區(qū)間內(nèi)波峰波谷相互抵消，造成待診點(diǎn)前后樣本區(qū)間的時(shí)變相關(guān)系數(shù)均值相等而診斷不出變結(jié)構(gòu)點(diǎn)的情況，此方法能更加敏感地診斷出時(shí)變相關(guān)系數(shù)中的變結(jié)構(gòu)點(diǎn);并結(jié)合灰色預(yù)測(cè)模型和馬爾可夫模型的優(yōu)點(diǎn)，構(gòu)建灰色馬爾可夫SCGM(1，1)c預(yù)測(cè)模型:首先根據(jù)灰色S

2、CGM(1，1)c模型對(duì)原始序列進(jìn)行擬合和預(yù)測(cè)，然后通過(guò)馬爾可夫狀態(tài)轉(zhuǎn)移概率矩陣方法對(duì)灰色模型的預(yù)測(cè)結(jié)果進(jìn)行優(yōu)化，從而達(dá)到對(duì)時(shí)變相關(guān)系數(shù)進(jìn)行精確預(yù)測(cè)的目的，上述方法具有操作便捷、結(jié)果精確的優(yōu)點(diǎn)，適用于波動(dòng)幅度大、隨機(jī)性強(qiáng)的序列。
　　實(shí)證研究以中國(guó)股市2010年9月至2015年3月期間內(nèi)新能源板塊與傳統(tǒng)能源板塊中的核電指數(shù)和煤炭指數(shù)的每日收盤價(jià)作為研究對(duì)象，通過(guò)非參數(shù)核估計(jì)方法估計(jì)出核電指數(shù)和煤炭指數(shù)收益率的邊緣分布，構(gòu)造時(shí)變二元