基于MTAR模型的沪市周期性爆炸泡沫检验.docx

基于MTAR模型的沪市周期性爆炸泡沫检验
摘要：
本文基于MTAR模型对沪市周期性爆炸泡沫进行了检验。利用数值模拟实验证明了MTAR模型可以对沪市周期性爆炸泡沫进行准确的预测。同时，通过非参数平滑技术对沪市指数的价格序列进行处理，发现沪市指数存在明显的周期性波动，这暗示着沪市指数可能存在周期性爆炸泡沫。接着，我们采用MTAR模型对沪市指数的周期性爆炸泡沫进行检验，发现沪市指数确实存在周期性爆炸泡沫，并确认了MTAR模型的有效性。
关键词：MTAR模型，沪市指数，周期性爆炸泡沫，数值模拟，非参数平滑技术
正文：
一、概述
随着世界各国市场化进程的逐步加深，股票市场作为一种重要的投资渠道得到了广泛的关注。股票市场的波动性成为各界研究的一个热点问题。其中，股票市场是否存在周期性爆炸泡沫是一个关键问题。本文基于MTAR模型，对沪市指数的周期性爆炸泡沫进行了检验。
二、方法描述
MTAR模型，即MarkovTransitionAutoregressiveModel，是一种用于分析非线性时间序列的模型。通过将时间序列分为多个状态，MTAR模型可以更准确地刻画时间序列的非线性特征，从而提高模型的预测和拟合能力。MTAR模型常用于金融市场的研究，可以有效检验股票市场是否存在周期性爆炸泡沫。
本文使用MTAR模型对沪市指数的周期性爆炸泡沫进行检验。首先通过非参数平滑技术对沪市指数的价格序列进行处理，得到了沪市指数的趋势和周期性波动。接着，将沪市指数分为多个状态，并使用MTAR模型对各个状态的转换概率进行了估计。最后，根据MTAR模型的预测结果判断沪市指数是否存在周期性爆炸泡沫。
三、数值模拟实验
为了验证MTAR模型在股票市场研究中的有效性，本文进行了一系列的数值模拟实验。具体过程如下：
1.生成一组随机序列作为股票市场价格序列；
2.将价格序列分为多个状态，并使用MTAR模型对各个状态的转换概率进行估计；
3.采用MTAR模型对价格序列进行预测，并计算预测误差；
4.分别使用MTAR模型、ARIMA模型和GARCH模型对价格序列进行建模和预测，比较各模型的预测误差。
结果表明，MTAR模型可以对股票市场价格序列进行准确的预测，并且相对于ARIMA模型和GARCH模型具有更好的泛化能力。
四、实证研究
基于以上的数值模拟实验结果，本文采用MTAR模型对沪市指数的周期性爆炸泡沫进行检验。具体过程如下：
1.对沪市指数的价格序列进行非参数平滑处理，得到了趋势和周期性波动两个部分；
2.将沪市指数分为多个状态，并使用MTAR模型对各个状态的转换概率进行估计；
3.采用MTAR模型对沪市指数的价格序列进行预测，并计算预测误差；
4.通过MTAR模型预测的结果判断沪市指数是否存在周期性爆炸泡沫。
结果表明，沪市指数确实存在周期性爆炸泡沫，并且MTAR模型可以对其进行准确的预测。
五、结论和展望
本文基于MTAR模型，对沪市指数的周期性爆炸泡沫进行了检验。利用数值模拟实验证明了MTAR模型可以对股票市场价格序列进行准确的预测，并且在实证研究中也证实了MTAR模型的有效性。这为股票市场的研究和预测提供了一种新的方法和思路。
未来，我们可以进一步拓展MTAR模型，将其应用于更广泛的金融市场和股票市场的研究中，以期更好地预测市场的波动性和风险。