近些年,重大且難以預料的事件頻發,對世界經濟和金融產生了巨大影響,也引發了研究者對模型誤設問題的更多關注。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問題的研究:模型不穩定性和不確定性。模型不穩定性是時間維度上的概念,即不同時點上的真實數據生成過程可能不一樣,參數穩定不變的模型難以準確刻畫實際經濟中的巨大變化;模型不確定性是空間維度上的概念,即在同一時間點上,由于真實數據生成過程不可觀測,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移(RLS)時變系數和概率測度變換兩種方法,試圖解決模型不穩定性和不確定性的問題。兩種方法最終均以修正模型系數的方式改善了模型誤設問題。在三個具體經濟問題的應用中,改進的模型對實際經濟數據有了更貼切的刻畫,極大降低了模型誤設導致的偏差。首先,本文發現重大經濟事件、金融危機、央行重大貨幣政策干預等都會對利率期限結構產生結構性的影響,如果依然沿用傳統的利率期限結構模型會導致模型誤設的問題出現。因此,本文第三章在經典動態Nelson-Siege模型的基礎上引入隨機水平轉移(RLS)的時變參數過程,構建了新的預測模型。模型內置的RLS過...

【文章頁數】：132 頁

【學位級別】：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據集從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)中僅分析月度數據不同的是,本文的研究集中在包含更多市場信息的日度數據上,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擬合的效果比較結果。我們計算了不同模型樣本內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設置的預測模型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樣本外預測

圖4-1SW與RLS-intercept的預測比較結果

將上述附表中兩階段模型在兩個子樣本中的預測結果綜合整理成全樣本結果,并將上述四種RLS時變系數預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計,統計結果以直方圖的形式分別展現在了圖4-1、圖4-2、圖4-3和圖4-4中。四個圖依次對應將截....

本文編號：4001652