稀疏VAR在股票收益率研究的应用
2016-12-20分类号：F224;F832.51
【部门】中国人民大学应用统计科学研究中心 中国人民大学统计学院 兰州财经大学统计学院 新疆财经大学统计与信息学院
【摘要】向量自回归模型(VAR)广泛应用在对时间相依的多元时间序列建模中,但在高维数据建模中,自回归的系数膨胀可能导致噪音估计、不稳定的预测、解释上的困难等问题。在实际应用中,序列的真实模型往往具有稀疏性,因此运用稀疏VAR模型对高维时间序列进行建模,不仅可以解决高维数据带来的上述困难,也有利于寻找高维数据内在的真实模型。本文以10家公司的股票收益率为研究对象,采用3种不同的稀疏估计方法,不但分析了股票收益率之间的动态关系,而且通过实证分析展示了稀疏估计的优势。
【关键词】向量自回归 LASSO 变量选择 稀疏性
【基金】教育部哲学社会科学研究重大课题攻关项目(15JZD015);教育部高等学校博士学科点专项科研基金(20130004110007);教育部人文社会科学重点研究基地重大项目(15JJD910001); 国家自然科学基金(11271368); 北京市社会科学基金重大项目(15ZDA17); 国家社会科学基金重点项目(13AZD064); 中国人民大学科学研究基金(中央高校基本科研业务费专项资金资助)项目成果(15XNL008); 兰州财经大学“飞天学者特聘计划”以及新疆财经大学“天山学者”
【所属期刊栏目】数理统计与管理
文献传递
