-
题名基于LSTAR模型的中国股市泡沫风险识别
被引量：10
- 1
-
-
作者
汪卢俊
-
机构
南京财经大学财政与税务学院
-
出处
《统计研究》
CSSCI
北大核心
2018年第12期102-112,共11页
-
文摘
本文在非线性模型框架下拟合中国主要股价指数的真实数据生成过程,并提出股市泡沫风险的识别方法,较Phillips等(2011)提出的上确界单位根(SADF)方法具有更好的效果,能够精准预判股市泡沫风险。实证检验发现,主要股价指数的波动均存在逻辑平滑转换自回归(LSTAR)模型描述的非线性特征,四大股价指数自推出以来均存在泡沫风险,上证指数存在六个主要的持续期,深证成指存在四个主要的持续期,沪深300指数存在两个主要的持续期,而创业板指数存在三个主要的持续期。总体来看,创业板指数的泡沫生成时间先于其他三大指数,可以作为预警中国股票市场泡沫风险的先行指标;2015年7月之后,中国股票市场并不存在泡沫风险。
-
关键词
股市泡沫风险
逻辑平滑转换自回归模型
蒙特卡洛模拟
检验功效
-
Keywords
Stock Market Bubble Risk
Logistic Smooth Transition Autoregressive Model
Monte Carlo Simulation
Test Power
-
分类号
C812
[社会学—统计学]
-
