1、本文介紹了一種將神經(jīng)網(wǎng)絡(luò)應(yīng)用于金融時(shí)間序列建模的新方法NN-GARCH模型。它是一個(gè)在均值方程中具有非線性神經(jīng)網(wǎng)絡(luò)參數(shù)，方差方程中具有線性GARCH參數(shù)的模型。它與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)“黑箱子”的研究方法不同，它的優(yōu)點(diǎn)是每一步建模過程都被清楚的論證并且實(shí)施，輸入變量的選擇、神經(jīng)網(wǎng)絡(luò)隱含單元的個(gè)數(shù)都是通過嚴(yán)格的檢驗(yàn)得到的。為了能夠同時(shí)模擬出數(shù)據(jù)生成過程的條件均值和方差變異性，該模型超越了神經(jīng)網(wǎng)絡(luò)函數(shù)單純近似的功能，將它推廣到統(tǒng)計(jì)建模的高度，從而

2、把神經(jīng)網(wǎng)絡(luò)技術(shù)引入到當(dāng)今計(jì)量經(jīng)濟(jì)研究領(lǐng)域的核心中來。通過文中推薦的NN-GARCH模型不僅可以找出目標(biāo)變量和解釋變量之間的函數(shù)關(guān)系，還可以捕獲條件分布的其它有趣特征。 本文主要介紹NN-GARCH模型的完整建模方法，包括模型參數(shù)的選擇、估計(jì)和最終方程的評(píng)價(jià)，還特別討論了估計(jì)模型的樣本內(nèi)錯(cuò)誤設(shè)定檢驗(yàn)(殘差自相關(guān)，忽略的非線性以及忽略的異方差等因素)。基于極大似然理論，通過設(shè)計(jì)NN-GARCH模型框架下的統(tǒng)計(jì)推斷過程，可以使建模者恰

3、當(dāng)?shù)臋z驗(yàn)概率分布的均值和方差結(jié)構(gòu)。為了保證在不同的錯(cuò)誤設(shè)定形式下(結(jié)構(gòu)或分布方面)的檢驗(yàn)都是有效的，本文還采用了經(jīng)典的L M統(tǒng)計(jì)量。 在建立完整的NN-GARCH模型以后，本文將這個(gè)方法應(yīng)用于實(shí)際金融時(shí)間序列，對(duì)中國滬深300指數(shù)建模并預(yù)測，并將其與其他的線性和非線性回歸模型進(jìn)行綜合比較并得出結(jié)論：含有2個(gè)神經(jīng)元的NN-GARCH模型可以對(duì)滬深300指數(shù)收益率序列的統(tǒng)計(jì)特征做出足夠的描述，它相對(duì)于其他傳統(tǒng)的線性模型可以獲得更加精