论文部分内容阅读
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模型,简称ARCH模型。在这之后的二十多年时间里,ARCH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-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。
本文主要探讨了如何运用Lasso方法来对ARCH模型进行定阶的问题。首先在残差正态性假设的基础上得到ARCH模型和AR模型之间的关系,使得对于ARCH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。