论文部分内容阅读
在经济与金融定量分析领域,准确预测经济与金融变量的变动规律,对于制定经济与金融政策、实施相应的控制方案具有重要的决策参考价值。由于经济与金融系统的具有非线性、非对称性与异质性等复杂性,导致线性均值回归分析等传统的模型与方法,难以有效揭示其内在运行机理。为此,需要开发新的建模工具开展相关研究工作,本文对此进行研究。本文将支持向量机原理与分位数回归相结合,建立支持向量分位数回归模型,并将其应用于经济与金融定量分析中。该模型能够充分发挥支持向量机与分位数回归两个方面的优势:一方面,通过支持向量机,能够充分模拟经济与金融系统的非线性作用机制;另一方面,通过分位数回归,能够充分刻画解释变量对响应变量整个条件分布的影响,揭示经济与金融系统的非对称性与异质性作用。本文重点开展了以下三个方面新的研究:第一,将支持向量分位数回归引入货币需求分析与人民币汇率预测,建立了相应的计量模型,给出了模型表示、模型求解、参数选择等方法;第二,在基于支持向量分位数回归模型条件分位数预测基础上,进一步给出了条件密度预测方法,实现了货币需求与人民币汇率的概率密度预测;第三,通过Monte Carlo数值模拟与实证研究,将支持向量分位数回归模型与一般线性回归模型进行比较,结果显示前者具有更好的模型拟合效果与更高的预测准确程度。实证研究结果表明,支持向量分位数回归模型既能够很好地拟合货币需求(或人民币汇率)与其影响因素之间的非线性依赖关系,也能够给出准确的条件密度预测结果:不仅可以预测货币需求与人民币汇率的未来取值水平,而且可以判断其散布与形状,能够细致考虑解释变量对响应变量未来取值分布特征的影响,从而比传统的点预测方式提供更多的有用信息,能够为货币需求及人民币汇率政策的制定提供科学的决策依据。本文的研究结果表明,支持向量分位数回归模型具有很好的非线性处理能力与完整条件分布特征刻画能力,能够深入、细致地揭示经济与金融系统中的复杂关系,可望获得广泛应用。未来,可以在以下两个方面,开展进一步研究工作:第一,在建模理论与方法上,可以考虑带有惩罚约束的支持向量分位数回归问题,解决众多解释变量的影响。第二,在实际应用中,可以结合条件密度预测的结果进行决策优化,如:组合投资决策问题。