鲁万波教授（金融数量分析、非参数统计）在线访谈活动预提问

对国内资本市场波动率的估计，使用哪种模型较为有效？如何在其中结合外生因子和时间序列来提高准确度？

在金融计量方面，非参数方法的优势和缺点是什么？

顶！终于   财大啊

鲁老师很厉害的

用frontier软件做随机前沿分析，如何做那些参数检验的

鲁教授：
      您好！到底如何用高频金融数据在股市波动性预测中赚钱？

您好，鲁老师，谢谢您能在百忙这种回答我们的问题。

以前读到过一篇您写的关于用ACD模拟高频数据的文章，根据ACD衍生出来的很多新的模型比如LOG-ACD，基于gamma分布的ACD等，都是改变原有模型的残差的分布，请问您能介绍一下 这些不同的分布是根据什么原则选取的？

问题2，FARIMA模型是不是只能模拟等距的duration呢？

问题3，模拟daily average duration时模型选取要有什么原则吗？  

最后一个问题：在序列有long memory的情况下，除了用传统的R/S检验和acf图判断外，可以直观的在图上看出有long memory 吗？可以的话怎么看呢有什么规律？ long memory中的spurious trend指的是什么？ 谢谢！

鲁老师：
   有个问题困惑许久，希望能得到您的指点。
   拿多元GARCH模型来讲，在最大似然估计中，似然函数复杂，只能通过数值优化求解最值，姑且不说初始点的选取，就我在实证研究的经验来看，很多算法即使选用相同初始点迭代，BFGS,BHHH,等包括随机算法得出的结果都有很大不同。如果再利用估计出来的模型做其它研究，不同算法算出来的最终结果的误差应该很显著不同。比如常用来做波动率溢出效应的分析，不同的估计带来正负号如果不同，那么分析就缺乏稳健性。这其中该如何处理？
    因此，这致使我一度对统计模型失去信心，毕竟事物的复杂性要求参数较多，如果模型刻画再好，实际算得不准或者不知道哪个准，那么对实际有什么用，难道只停留在理论上？

鲁教授：
      你好！！
      问一个我感觉很重要的问题。
      什么是久期凸性啊？？

鲁教授您好！想请教您以下几个问题：
1、虽然在计量经济学课程中学习了大量的模型和理论推导，但对于数据收集和处理、编程等实证分析中必备的基础训练很欠缺，有什么指导性的建议吗？
2、我们在学习计量经济学时介绍的众多复杂的理论在实践中都很少有所应用。例如，大家学习了很多异方差的检验和校正方法，几乎所有的文献都只采用那个有些粗陋的WHITE稳健性标准误；又如，学习PANEL DATA时，我们花费了很多心思学习随机效应模型，但绝大多数论文都只采用那个非常简单的固定效应模型。能说一下您对这个问题的看法吗？
谢谢！