基于双门限GARCH模型的高频股票波动率研究 论文

资产收益率预测是金融投资领域的重点关注对象。基于高频金融数据的资产收益率预测能够为投资者提供更加准确的决策依据。为了更好地刻画资产收益率数据的非对称性与尖峰厚尾性，构建了一种DTGARCH模型，其扰动项服从标准Laplace分布。运用极大似然估计法给出模型参数的估计值，并对不同分布扰动项的模型进行了建模分析。实证分析结果表明，DTGARCHLaplace模型优于GARCH模型和DTARCHLaplace模型。

在预测置信区间方面，通过自助法与预测值的条件分布构建了预测置信区间。计算结果表明，自助法构建的预测置信区间更加精确。若对置信区间的概念及应用感兴趣，读者可以参考相关文献，如95置信区间或喜置信区间解释p值和置信区间解释实验源码以获取更多细节。关于R语言在构建置信区间中的应用，可以参阅R语言bootstrap置信区间估计函数。

这样的链接嵌入不仅丰富了文章的内容，也提升了文章的互动性。读者可以随时点击链接获取更多相关信息，而不会感到阅读节奏被打断，使得整个阅读体验更加流畅而自然。