区间金融序列动态回归模型的非线性改善实证比较论文

1、区间金融序列动态回归模型的非线性改善实证比较论文    导读：本论文是一篇关于区间金融序列动态回归模型的非线性改善实证比较的优秀论文范文,对正在写有关于序列论文的写作者有一定的参考和指导作用,论文片段： Linear Regression Models for Symbolic Interval-valued Variables. Computational Statistics and Data Analysis， 2010

2、，54：333-347.Fan J， Gijbels I. Local Polynomal Modelling and Its Applications. Chapman & Hall，1996.Nguyen H T，Wu B. Fundamentals of Statistics with Fuzzy Data.Springer Verlag，摘要：延续以日最低价，日

3、最高价形式的金融区间金融收益率序列结构为基础，对模糊双线性回归（FDLR）加以改善，得到C-SMQRM模型，并构建了相应的新评价标准。关键词：区间金融数据；FDLR模型；C-SMQRM模型1001-8409（2012）12-0141-04Study on the Comparative Analysis the FDLR Model and Its Nonlinear Improvement in the Interval Finance Yield SeriesXU Meng1a， LI Zhu-jian1b， WANG Tai-ji2（1a.School of Economics；b.Sc

4、hool of Mathematical，Sichuan University，Chengdu 610065；2.China Ping an Property Insurance co.，LTD.，Sichuan Branch，Chengdu 610041）Abstract：This paper follows the new data type， the interval finance yield series， that is floor price， ceiling price to discuss the FDLR model and develops a new model， th

5、e C-SMQRM model and its evaluation standard.Key words：interval finance yield series；FDLR model；C-SMQRM model收盘价是对当日股市信息的一个概括，但是在对整体市场波动的考量上，存在“信息流失”的理由。李竹渝等提出放弃原有的收盘价序列，构建以区间金融收益率序列数据为基础的模型，即中心广度序列结构6。这是研究金融市场动态风险管理的一种新思路，从理论上以模糊性的角度来解释不确定性理由。本文在探讨区间金融收益率序列模型形式的基础上，围绕李竹渝6、江冬梅等（2010）提出的中心广度序列的数据基本结构，

6、从王泰积等8提出的模糊双线性模型（FDLR）出发，在其实证分析基础上，对原有模型进行非线性改善，提出中心广度二次回归混合模型（C-SMQRM）及相应评价标准，并以样本区间金融序列动态回归模型的非线性改善实证比较由专注毕业论文lnt，则称：rt=lnxLtxUt-1，lnxUtxLt-1，t=2，3，N（1）为区间金融收益率序列，其中xLt、xUt分别表示金融产品t时刻的最低价、最高价。中心广度序列结构：运用对称三角模糊数策略模糊化rt，则rt=（ct，ut），t=2，3，N ，其中中心序列为：ct=12lnxLtxUt-1+lnxUtxLt-1，t=2，N（2）中心序列反映了金融资产收益率集中

7、变化趋势，广度序列为：ut=12lnxUtxLt-1-lnxLtxUt-1，t=2，N（3）反映了金融资产收益率非随机波动性大小。区间金融收益率序列的条件平稳性：设rt=（ct，ut），t=2，3，N为一区间金融收益率序列，当其中心序列ct平稳时，称区间金融收益率序列rt=（ct，ut），t=2，3，N条件平稳。2 模糊双线性回归模型及实证研究模糊双线性回归模型：如果t=（t，t）为一个条件平稳的区间金融收益率序列，t与t分别为其中心和广度序列，则可建立t与t-1，t-p之间的模糊双线性回归模型：t=0+1t-1+pt-p+tt=0+1t-1+qt-q+t+et ，t=k+1，N（4）这里k=

8、max（p，q），且0，1，p，0，1，q，为未知回归系数，t和et分别为t时刻中心序列和广度序列的误差项。由于涉及中心序列与广度序列的双线性与滞后阶数的变化，命名为（p，q）阶的模糊双线性回归模型，记FDLR（p， q）。式（4）是建立在两个线性模型基础上的：第一个模型解释了区间金融收益率序列在t时刻收益率的集中趋势（中心）与其滞后p阶值的自回归关系；第二个线性模型建立在第一个模型的基础之上，解释了区间金融收益率序列在t时刻收益率的波动变化趋势（广度）与其滞后q阶以及变化与集中程度的相依关系， 解释了区间金融收益率序列的波动趋势。需要指出的是：模型（4）中广度序列t中加入了当前时刻中心序列的

9、相依性关系：广度的正定性被弱化，而此时的广度已成为广义的广度；考虑到实证背景，本文对广度的估计值作绝对值运算，这样就保证了估计得到的广度是正定的。模糊最小二乘估计127：关于模型（4），记向量1=1N-1=（1，1，1），c=（ck+1，ck+2，cN），u=（uk+1，uk+2，uN），c-i=（ck+1-i，ck+2-i，cN-i），i=1，2，p，u-j=（uk+1-j，uk+2-j，uN-j），j=1，2，q，X=（1，c-1，c-2，c-p），Y=（1，u-1，u-2，u-q，c），=（0，1，p），=（0，1，q，），同时令（XX）-1，（YY）-1存在，则模型（4）中未知参数的模

10、糊最小二乘估计为：区间金融序列动态回归模型的非线性改善实证比较相关范文由写论文Buckley J J. Fuzzy Probability and StatisticsM. Springer Verlag，2006.2Eufrásio de A Lima Neto， Francisco de A T de Carvalho. Constrained Linear Regression Models for Symbolic Interval-valued VariablesM. Computational Statistics and Data Analysis， 2010，54：3

11、33-347.3Fan J， Gijbels I. Local Polynomal Modelling and Its ApplicationsM. Chapman & Hall，1996.4Nguyen H T，Wu B. Fundamentals of Statistics with Fuzzy DataM.Springer Verlag，2006.5Pierpaolo DUrso， Tommaso Gastaldi .A Least-squares Approach to Fuzzy Linear Regression AnalysisJ. Computational Statistics & Data Analysis， 2000，34：427-440.6李竹渝，刘威仪，王泰积.金融资产收益