近些年,重大且難以預(yù)料的事件頻發(fā),對世界經(jīng)濟和金融產(chǎn)生了巨大影響,也引發(fā)了研究者對模型誤設(shè)問題的更多關(guān)注。在此背景下,本文從兩個維度展開對重大事件影響下模型誤設(shè)問題的研究:模型不穩(wěn)定性和不確定性。模型不穩(wěn)定性是時間維度上的概念,即不同時點上的真實數(shù)據(jù)生成過程可能不一樣,參數(shù)穩(wěn)定不變的模型難以準確刻畫實際經(jīng)濟中的巨大變化;模型不確定性是空間維度上的概念,即在同一時間點上,由于真實數(shù)據(jù)生成過程不可觀測,很難確定用哪一個模型來刻畫真實的研究對象。本文分別利用隨機水平轉(zhuǎn)移(RLS)時變系數(shù)和概率測度變換兩種方法,試圖解決模型不穩(wěn)定性和不確定性的問題。兩種方法最終均以修正模型系數(shù)的方式改善了模型誤設(shè)問題。在三個具體經(jīng)濟問題的應(yīng)用中,改進的模型對實際經(jīng)濟數(shù)據(jù)有了更貼切的刻畫,極大降低了模型誤設(shè)導(dǎo)致的偏差。首先,本文發(fā)現(xiàn)重大經(jīng)濟事件、金融危機、央行重大貨幣政策干預(yù)等都會對利率期限結(jié)構(gòu)產(chǎn)生結(jié)構(gòu)性的影響,如果依然沿用傳統(tǒng)的利率期限結(jié)構(gòu)模型會導(dǎo)致模型誤設(shè)的問題出現(xiàn)。因此,本文第三章在經(jīng)典動態(tài)Nelson-Siege模型的基礎(chǔ)上引入隨機水平轉(zhuǎn)移(RLS)的時變參數(shù)過程,構(gòu)建了新的預(yù)測模型。模型內(nèi)置的RLS過...

【文章頁數(shù)】：132 頁

【學(xué)位級別】：博士

【部分圖文】：

圖3-1日度收益率曲線

本文所使用的收益率數(shù)據(jù)集從2006年2月9日開始到2019年6月28日截止,總共包含11種期限的國債。與DieboldandLi(2006)中僅分析月度數(shù)據(jù)不同的是,本文的研究集中在包含更多市場信息的日度數(shù)據(jù)上,該做法使得對僅存幾個月期限的短期國債的收益率的預(yù)測變得可行,另外....

圖3-3RLS截距項的濾波估計值

最后,表3-5展示了不同模型樣本內(nèi)擬合的效果比較結(jié)果。我們計算了不同模型樣本內(nèi)擬合所得殘差的均值和標準差,并在表的最后一行列出了殘差平方和SSR。從表中可以看出截距項RLS設(shè)置的預(yù)測模型RLS-μ,不管是讓其中的概率不變還是讓其概率變化,所得的SSR都比各DNS模型的小很多。在概....

圖3-3RLS截距項的濾波估計值

圖3-3RLS截距項的濾波估計值3.4.2樣本外預(yù)測

圖4-1SW與RLS-intercept的預(yù)測比較結(jié)果

將上述附表中兩階段模型在兩個子樣本中的預(yù)測結(jié)果綜合整理成全樣本結(jié)果,并將上述四種RLS時變系數(shù)預(yù)測模型在全樣本中的RMSE比值與兩階段模型在全樣本中的比值做差,對所有序列的差值進行統(tǒng)計,統(tǒng)計結(jié)果以直方圖的形式分別展現(xiàn)在了圖4-1、圖4-2、圖4-3和圖4-4中。四個圖依次對應(yīng)將截....

本文編號：4001652