资源描述：
《金融市场风险投资行为中随机影响模型》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、金融市场风险投资行为中随机影响模型导读：金融投资从來没有0风险的投资，只是风险大小不同而已，所以为了降低风险,大家研究技术，如何把风险降到最低，从而产生各种分析模型，來分析经济数据或预测行情走势，甚至进行夸市场套利。本文将为大家简单介绍个随机影响模型。随机影响模型，也叫做误差成分模型，如果我们有一组而板数据，横截而数据有N个单位，时间序列上有T个时期，数据屮有一个因变量和K个自变量，那么我们有适应这纽数据的模型如下：Yit=B0i+BlXlit+B2X2it+......+BkXkit+£it其中，误差项£it的期望数值为o
2、,方差。2,我们不假设Boi为表示某种虚拟变量，的固定参数，而假设他们为随机的、相互独立的变量。他们的均值为B0,方差为。B2,那么恩可以得出如下临时结论：Boi=BO+Hi,其屮Hi的期望值为0,方卷为oB2,而且和互独立，COV(ni,nj)=o,我们还假设ni与£it不相关,Corr(ni,sit),那么我们就可把以上模型改写成如下模型:Yit=B0i+BlXlit+B2X2it+……+BkXkit+£it+Hi其实，这个模型比Z前给大家介绍的F检验的模型要相对复杂的多，因为多了验证数据的误差项,为了消除节在模型中的随
3、机影响,我们要相顾基础叩的方差和£it,的方差,在对数据进行处理，然示在做冋归分析，下而我们分为几个步骤，来解决这个问题：第一步、先用虚拟变量模型来估计参数，我们假设时间样本中有相对固定的，的差界,可以用虚拟变量來表示，如下：Yit=a01+a02D2it+......+a0TDTit+a0i+alXlit+a2X2it+......+akXkit+£it我们用最小二乘法对这个模型进行
4、叫归估计。这里所用的数据，是原始数据加虚拟变暈。这样，我们可以估计出参数值,aOj和ak来(j=l,2,.......,T;K“2.....
5、.K)第二步、我们将实际数据带入估计模型中，求得误差项，如下£it=Yit-(001+a02D2it+......+a0TDTit+Qixiit+Q2X2it+......+QkXkit)ae2=z0'2NT-T-K-1第三步、我们开始计算出变量数据的均值，并口将他们设为新的变量，如下所示：Yi二抄"Xli=i£XltiXki二*Z后，我们用这些新的变量來建立数据回归模型，即，Yi=Y0+YlXli+Y2X2i+......YkXki+6iz我们再用最小二乘法，来对■这个模型进行线性回归分析。第四步、我们用这个模型，求得其课
6、差项，即6i二Yi・(Y0+YlXli+Y2X2i+YkXki)经过对一系列数据的修正，得出结论：O52=T62+62>0,如果这个数值出现小于0的时候就证明数据出现了问题，交易的价格或者时间形成的数据失真，导致偏差的扩人，运川以上方式就町以检验出数据的无偏差性，这在期货套利尤其是股指期货的套利尤为重要,拟合优度的大小少无偏差似然估计Z间的线性关系，就能决定我们在套利交易中的成败。看到这里，或许你完全是懵的，不知道在讲什么，所以在下面再给大家介绍下交易中最常见的经济数学模型，讣大家有所启发。第一、一般悄况下我们习惯性运用最小
7、二乘法建立线性相关系数模型，至于相关系数的确认。比如说我们原汕的价格都受到何种因索的影响，抛开地缘政治，那么就是供需关系的影响。我们就可以根据历史供需关系的数据來确定因素，D或者S或者用£(D-S)第二、开始确定相关系数与基本矢量数据,XI,X2,X3,X4……..Xn第三、我们再假设，根据1111归分析分方法可以计算出这样的一个线性方程,Y=a+BX但是这是基本意义上的线性冋归，但是实际交易中，由于有吋候价格受到地缘政治的影响非常大，导致价格偏差过大，形成极度偏差，导致数据准确性下降。实际上的数据与Y形成的对比关系是，e二
8、Y-JY,于是我们最终的理论模型可以的出以下结论：Y=a+BE(D-S)+e第四、我们就要对模型进行检验，关于检验的方法有t检验，以及F检验，为什么耍检验呢，因为数据在统计的时候线性关系难免在统计Z后出现一些多重共线的现象，所以如果我们不进行多重共线的检验，必然会使得数据准确性在无意间进行重复性的变动，之后必然会导致我们的偏差过大。F检验的步骤如下：第一步，假设H0：所有从原模型中被删除的自变最的洗漱都等于零。Ha：至少有一个被删除的占变量的系数不等于零。第二步：F检验的查表值口由度dfl=r(被删除的口变量的个数)df2=
9、n-k-l置信度护5%,杳表可以得出Fc的检验值第三步，F*检验值的计算Fr.n-k-l=(ESSr-ESSu)/rESSu/(n—k—i)ESS二刀ei2是回顾估计误差平方和ESSr是改型模型估计谋差平方的总和ESSu是原模型回归估计误差平方的总和第四步、比较Fc与F*如果F*>Fc,否
