证券市场波动率分析的PSO-ICA-GARCH模型

摘要：

当主成分存在条件相关时,正交广义自回归条件异方差模型(orthogonal generalized autore-gressive conditional heteroskedasticity,O-GARCH)可能导致预测结果与实际情况不相符.基于独立分量分析的广义自回归条件异方差模型(GARCH model based on independent component a-nalysis,ICA-GARCH)能有效解决此问题,但ICA-GARCH模型中的梯度下降算法易陷入局部最优,收敛精度也有待提高.为克服此缺点,本文提出了一种基于粒子群优化算法的ICA-GARCH模型(ICA-GARCH model based on particle swarm optimization,PSO-ICA-GARCH),并将其用于证券市场收益波动率建模,以最终提高收益率预测效果.通过对阿里巴巴概念股收益波动率的实证分析,结果显示PSO-ICA-GARCH模型相较于O-GARCH和ICA-GARCH模型,具有更高的分离精度和更准确的模型预测效果.

关键词：证券市场波动率、独立分量分析、粒子群算法、GARCH模型

所属期刊栏目：37

分类号：F832.48(金融、银行)

资助基金：国家自然科学基金61976176

在线出版日期：2022-03-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：595-602