作者：耿立艳; 张占福; 梁毅刚股指波动率预测garch类模型无偏灰色预测模型粒子群优化算法
摘要：为提高GARCH类模型的波动率预测能力,将粒子群优化算法(PSO)与无偏灰色预测(UGM(1,1))模型引入到GARCH类模型中,构建PSOUGM-GARCH类模型。UGM(1,1)模型用于修正GARCH类模型的随机误差项,增强当期随机误差对条件方差的影响。同时利用PSO算法优化UGM(1,1)模型中的灰参数。通过对沪深300指数和深证综指的实证研究,比较分析了PSOUGM-GARCH类模型的样本外预测能力。结果表明,与UGM-GARCH类模型、GM-GARCH类模型和GARCH类模型比较,PSOUGM-GARCH类模型都能更准确地预测沪深300指数和深证综指的收益波动率,其中,PSOUGM-GARCH模型的样本外预测能力最优,PSOUGM-GJR-GARCH模型次之,PSOUGM-EGARCH模型的预测能力最低。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
