论文部分内容阅读
在过去的三十年,线性模型被广泛地应用于经济研究领域,其理论趋于完善。但是,由于线性模型的局限性,不能很好地对特殊的经济变化规律进行描述。随着经济高速的发展,宏观经济和金融时间序列数据结构表现出明显的非线性特征。为了对经济过程进行准确的描述,非线性模型逐渐成为了计量经济理论的热点研究课题。由于可以较好的展现时间序列中“均值往复”现象,平滑转移自回归(STAR)模型成为其中应用最广泛的一类非线性模型。在探讨经济波动时,广义条件异方差(GARCH)模型的应用最为普遍。两者组合的STAR-GARCH模型很好地描述了经济序列的非线性特征,是非常有用的工具。在过往的研究中,关于STAR-GARCH模型下随机过程的平稳性检验尚未成熟,所以对STAR-GARCH模型的设定研究是有一定理论意义的。论文整合和梳理了 STAR-GARCH模型已有的设定理论成果。然后在研究模型整体设定的基础上,重点讨论了 STAR-GARCH模型下时间序列的单位根检验统计量的实际检验功效以及检验水平问题。针对ESTAR-GARCH模型和LSTAR-GARCH模型分别引入了沃尔德自举法(wild bootstrap)对KSS统计量和tLSTAR统计量进行了修正,构造了适用于平滑转移自回归过程下随机项存在条件异方差情形时的新单位根检验统计量KSSWB以及tTLSTARWB统计量。进一步采用修正后的STAR-GARCH模型设定对我国2015年汇改以来人民币汇率的动态特征进行拟合分析,并利用得出的模型对人民币汇率进行有效预测。论文创新点体现在:(1)论文通过Monte Carlo模拟分别对DF,KSS与KSSWB以及DF,tLSTAR与t TLSTARWB单位根检验统计量的实际检验功效和检验水平进行比较。模拟试验表明KSSWB和tTLSTARWB统计量在不同样本量及不同程度的异方差情形下均具有较优的实际检验功效,同时相比于其他两个检验统计量其经验水平不存在明显扭曲。这使得STAR-GARCH模型的相关理论更加完备。(2)论文将LSTAR-GARCH模型应用于我国2015年汇改以来人民币汇率的非线性动态特征研究。结果表明其存在明显的非线性波动特征,LSTAR-GARCH模型可以较好地刻画出这种非线性变动形式,同时相比于传统的AR模型,LSTAR-GARCH模型具备准确的预测能力以及识别序列中异常值的能力。