針對金融高頻數(shù)據(jù),許多專家學者提出了一系列的模型進行研究,這些模型都是研究單個非負值金融高頻時間序列的,理論意義上差別不大。為了能統(tǒng)一研究非負值金融高頻時間序列,Engle（2002）提出了一般化模型——乘積誤差模型（MEM）。目前,MEM的參數(shù)估計方法運用最多的是極大似然估計（MLE）。然而實際金融市場上的高頻數(shù)據(jù)往往具有重尾的性質且含有較多異常點,這些數(shù)據(jù)的方差甚至可能是無窮的,這就使得MLE在估計中直接假設誤差方差有限顯得不合理,而且一旦事先假設的誤差分布與實際不符,得出的結果將會不可靠。針對MLE存在的問題,本文采用穩(wěn)健估計的方法:首先,用M-估計對MEM進行參數(shù)估計,但M-估計給數(shù)據(jù)異常點和正常點相同的權重,這稍顯不合理;之后,考慮自加權M-估計（SM-估計）,SM-估計可以根據(jù)離群點的大小分別給予離群點不同的權重,進一步減小離群點對估計結果的影響,本文還從理論上證明了SM-估計的相合性和漸近正態(tài)性。在誤差服從Pareto分布、Burr分布和Fréchet分布等重尾分布的情況下進行數(shù)值模擬,通過模擬發(fā)現(xiàn)參數(shù)MEM（1,1）下穩(wěn)健估計的Bias和MSE總體上都比MLE小,即使在... 

【文章來源】：浙江工商大學浙江省

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【部分圖文】：

Burr分布下不同估計方法下的估計值

Burr分布下不同估計方法下的估計值

Burr分布下不同估計方法下的估計值

【參考文獻】：
期刊論文
[1]平滑轉換向量乘積誤差模型及對中國股市高頻交易數(shù)據(jù)的應用[J]. 李俊功,魯萬波.  數(shù)理統(tǒng)計與管理. 2018(06)
[2]基于Copula-MEM的中國上海和香港股票市場波動相關性研究[J]. 郭名媛,徐雯.  甘肅科學學報. 2018(01)
[3]向量乘積誤差模型似然估計初值選取[J]. 李俊功.  統(tǒng)計與決策. 2017(04)
[4]乘積模型的最小二乘相對誤差估計[J]. 周生彬,張波.  統(tǒng)計與決策. 2016(20)
[5]門限向量乘積誤差模型對滬深兩市波動溢出分析[J]. 李俊功.  投資研究. 2016(04)
[6]基于向量乘積誤差模型的中日韓匯率波動溢出效應研究[J]. 高艷,張麗艷.  武漢金融. 2015(09)
[7]簡單ACD模型的M估計[J]. 黃意球,徐飏,王艷.  應用數(shù)學學報. 2014(05)
[8]基于Copula-MEM模型的滬深300指數(shù)日內(nèi)波動率序列間動態(tài)相關性分析[J]. 潘娜,周少甫.  財會通訊. 2011(32)
[9]次貸危機下境內(nèi)外證券市場風險傳導效應研究[J]. 潘煥煥.  山東社會科學. 2009(06)
[10]乘積誤差模型的漸近性質[J]. 周杰,劉三陽.  應用數(shù)學學報. 2008(02)

碩士論文
[1]基于乘積誤差模型的中國股市波動率度量及應用研究[D]. 李霞.山東財經(jīng)大學 2013
[2]基于MEM模型的我國股指期貨市場波動率研究[D]. 曹剛.天津大學 2012
[3]乘積誤差模型（MEM）及其應用[D]. 洪麗穎.廈門大學 2008



本文編號：3016093