股票收益率方向預測：基于一種新的非參數(shù)方法.pdf

1、預測未來的股票收益率方向?qū)ν顿Y者進行決策具有重要的指導意義，股票的運動趨勢表現(xiàn)為上漲和下跌，可以看作是一個二值選擇問題，通常用計量方法中的二值選擇模型進行研究，大多數(shù)學者運用Logistic回歸預測模型對股票收益率方向進行預測，然而該模型屬于廣義線性模型，具有一定的局限性。金融市場是一個復雜的動力系統(tǒng)，分布特征具有變動性，線性模型很難捕捉它的特征，Logistic回歸預測方法很難取得較好的效果。而且現(xiàn)有的計量模型中又很少具有分類功能，因

2、此，研究新的計量分類預測方法就具有重要意義。
　　參數(shù)模型在預測股票收益率時常常存在模型設定誤差，而非參數(shù)模型相較于參數(shù)模型更能刻畫股票收益率特征。Harvey & Oryshchenko(2012)對時間序列非參數(shù)核密度估計進行了研究，提出了時變的密度函數(shù)估計理論。本文將此時變密度函數(shù)估計理論應用到股票收益率方向的預測中，稱為時變非參數(shù)密度函數(shù)模型—TVF模型。考慮到一些經(jīng)濟變量會對股票收益率產(chǎn)生影響，為了提高模型的預測精度，本

3、文將影響變量加入到研究對象的權重函數(shù)中，在TVF模型的基礎上構造了一個新的非參數(shù)預測模型—時變因子加權非參數(shù)密度函數(shù)模型—F-TVF模型。
　　本文以上海綜指月度價格指數(shù)數(shù)據(jù)進行實證研究，并以TVF模型、F-TVF模型和Logistic模型對其建模，運用滾動時間窗口策略進行樣本外預測，并基于統(tǒng)計評價方法和模擬交易策略的方法，對預測效果進行評價，最后也對模型做了穩(wěn)定性檢驗。實證結果顯示:本文構建的新的非參數(shù)F-TVF模型在三個預測模