《表3 对原始序列RV及各模型残差的长记忆检验》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《高频视角下股市波动预测的新方法:HARFIMA模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:*和***分别表示在10%和1%的显著性水平下显著；V为Hurst指数的统计量，V（5）、V（22）分别表示滞后阶数为5阶和22阶的Lo[40]提出的修正的Hurst指数统计量．

为了从参数中分析模型的特征，因此对模型进行整个样本区间的参数估计，即样本内的参数估计，结果见表2（8）．从表2可以看出，所有含有长记忆参数的模型其长记忆参数都在1%下显著，说明波动率存在着显著的长记忆特征．根据Corsi[11]的研究可知HAR模型这样简单的模型也可以在一定程度上近似刻画长记忆特征，但在新的HARFIMA模型和LHARFIMA模型中，即使加入了HAR模型的解释变量，长记忆参数仍然显著，这说明HAR-类模型对长记忆特征的刻画十分有限．为了进一步验证这一结论，对原始序列和上述模型得到的残差序列进行了长记忆检验，结果见表3.