基于数据驱动平滑检验的密度预测评估方法——以香港恒生指数、上证综指和台湾加权指数为例

摘要：

本文提出了样本内和样本外密度预测评估的数据驱动平滑检验(data-driven smooth test)方法,并分别采用Newey-Tauchen的方法以及West-McCracken的方法来纠正参数估计对样本内和样本外密度预测评估的影响.运用本文提出的检验方法,我们比较了各种最大熵GARCH模型对中国三个股指数据(香港恒生指数、上证综合指数和台湾加权指数)的样本内和样本外预测绩效.结果显示:(1)最大熵GARCH模型可以用来刻画中国股指数据的典型化事实,GARCH模型中考虑了厚尾和偏态特征的Pearson IV分布对中国股指收益率的样本外预测绩效是很重要的;(2)具有较好样本内拟合优度和样本内预测效果的模型未必有很好的样本外密度预测效果,考虑到样本外预测的重要性,实际应用中我们应采用具有较好样本外预测效果的模型.

关键词：密度预测评估、最大熵GARCH模型、数据驱动平滑检验、概率积分变换

所属期刊栏目：22

分类号：F064.1(经济学分支科学)

资助基金：国家自然科学基金青年项目71301053;教育部人文社会科学研究青年基金项目13YJC790211;上海对外经贸大学085项目Z085YYJ13014;上海市高校青年教师培养资助计划

在线出版日期：2014-04-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：130-140