基于非參數(shù)可加模型的股票市場(chǎng)收益可預(yù)測(cè)性研究.pdf

1、本文介紹并研究了預(yù)測(cè)資產(chǎn)收益的可加模型，新模型克服了當(dāng)預(yù)測(cè)變量為高度自相關(guān)的非平穩(wěn)時(shí)間序列時(shí)線性預(yù)測(cè)回歸模型的內(nèi)生性和不穩(wěn)定性問(wèn)題。研究發(fā)現(xiàn)多種預(yù)測(cè)變量都是高度自相關(guān)的，為了刻畫真實(shí)數(shù)據(jù)的這種性質(zhì)，我們引入臨近單位根的假設(shè)。本文的主要?jiǎng)?chuàng)新在于對(duì)鄰近單位根時(shí)間序列下非參數(shù)可加模型的估計(jì)和檢驗(yàn)，研究得出的許多結(jié)論為有關(guān)資產(chǎn)收益預(yù)測(cè)的文獻(xiàn)做出了貢獻(xiàn)。我們首先采用投影估計(jì)的方法對(duì)可加模型進(jìn)行估計(jì)。在采用局部線性估計(jì)出回歸曲面的基礎(chǔ)上，通過(guò)對(duì)回歸

2、曲面投影從而得到模型的每一個(gè)可加項(xiàng)。第二，在投影估計(jì)的基礎(chǔ)上，我們采用兩階段的估計(jì)法對(duì)偏殘差進(jìn)行第二階段的局部線性估計(jì)。其中，投影估計(jì)和兩階段估計(jì)的帶寬選擇滿足最小化RMSE的條件。第三，我們結(jié)合三次平滑樣條函數(shù)對(duì)可加模型實(shí)施循環(huán)的后退擬合估計(jì)，其中平滑系數(shù)的選取滿足最小化GCV的條件。借助于Monte Carlo模擬，我們發(fā)現(xiàn)非參數(shù)的可加模型在大多數(shù)情況下都優(yōu)于線性預(yù)測(cè)回歸模型。通過(guò)將一般似然比檢驗(yàn)與wild bootstrap相結(jié)合

3、，我們證明不同周期的股票市場(chǎng)收益率都具有一定的可預(yù)測(cè)性，高度自相關(guān)的預(yù)測(cè)變量對(duì)股票市場(chǎng)收益率具有預(yù)測(cè)能力，并且股票市場(chǎng)的收益率序列與預(yù)測(cè)變量序列間存在不同程度的非線性聯(lián)系。模擬試驗(yàn)還表明結(jié)合wild bootstrap的一般似然比檢驗(yàn)具有合理的效能和第一類統(tǒng)計(jì)錯(cuò)誤概率。文章最后將非參數(shù)的可加模型運(yùn)用到1968年至2008年的S&P500綜合指數(shù)樣本，從中我們證明了非參數(shù)的可加模型能夠很好的模擬真實(shí)的股票市場(chǎng)收益率的波動(dòng)。同時(shí)，我們發(fā)現(xiàn)高