基于非参数条件自回归极差模型的中国股市波动性预测  

Forecasting Volatility of Chinese Stock Market with Nonparametric Conditional Autoregressive Range Model

作　　者：鲁万波[1] 于翠婷[1] 王敏[1] LU Wan-bo ,YU Cui-ting ,WANG Min(School of Statistics, Southwestern University of Finance and Economics Sichuan Chengdu 611130, Chin)

机构地区：[1]西南财经大学统计学院

出　　处：《数理统计与管理》2018年第3期544-553,共10页Journal of Applied Statistics and Management

基　　金：国家自然科学基金面上项目(71771187);国家自然科学基金青年项目(71101118);教育部新世纪优秀人才支持计划项目(NCET-13-0961)的资助

摘　　要：为提高条件自回归极差（CARR）模型的预测精度，将参数CARR模型与非参数GARCH模型相结合，构建了非参数CARR模型并给出估计算法。蒙特卡洛模拟研究结果表明：相比参数CARR模型的拟合效果，本文提出的非参数CARR模型的拟合效果更佳。为了比较两者的预测效果，以沪深300指数作为研究波动率的样本，基于非参数CARR（1，1）模型和参数CARR（1，1）模型研究了中国股市波动性的预测，四种预测误差度量的实证结果表明：无论是样本期内还是样本期外，与参数CARR（1，1）模型对股市波动性的预测精度相比，非参数CARR（1，1）模型的预测精度更高。In order to improve the prediction accuracy of CARR model, the nonparametric CARR model with its estimation algorithm is constructed based on CARR model and nonparametric GARCH model in this paper. The Monte Carlo simulation indicates that the fitting ability of nonparametric CARR model is superior to the parametric CARR model. Using the data of CSI 300 Index as the sample, we studied the volatility of Chinese stock market by nonparametric CARR（1,1） model and CARR（1,1） model. The empirical results show that there is higher forecasting accuracy of volatility in the stock market with nonparametric CARR（1,1） model than parametric CARR（1,1） model, whether it＇s inside or outside the sample period with four types of prediction error metrics.

关 键 词：极差 参数CARR模型 非参数CARR模型 波动性 

分 类 号：C81[社会学—统计学] O212[理学—概率论与数理统计]