本文選題：MGARCH + MSV　； 參考：《蘭州商學院》2013年碩士論文

【摘要】：金融市場的快速一體化，使得不同市場、不同資產(chǎn)間的價格運動迅速擴散，相互影響。金融市場間彼此更加依賴。因此，將一元波動率模型推廣到多元波動率模型，研究多個變量之間的波動特性，是件很有必要且有意義的事情。多元波動率模型主要包括多元廣義自回歸條件異方差(MGARCH)模型與多元隨機波動率(MSV)模型,前者將波動率當做過去信息集的確定函數(shù)，即波動率是其滯后殘差平方觀測值和前期條件方差的函數(shù)；后者則認為波動率由不可觀測的潛在的隨機過程所決定。根據(jù)條件相關系數(shù)是否時變，每類模型又可分為常相關模型與動態(tài)相關模型，基于此，本文做了MGARCH模型與MSV模型的比較研究。 本文首先對收益率序列階數(shù)如何判定以及參數(shù)估計等方面做了分析，以期觀察到有用的基本信息。然后重點探討了MGARCH模型與MSV模型波動率序列在參數(shù)估計、模型穩(wěn)定性的不同之處，并做了基于模型的樣本外預測能力比較模型優(yōu)劣，以期找到更適合的模型來準確描述金融市場時間序列的相關特性。最后將基于MSV模型與MGARCH模型下的多個在險價值(VaR)序列做了比較。 實證分析的最終結果表明，MSV類模型描述的波動率序列更具集聚性與記憶性，，更加符合實際情況，但就本文而言，MSV類模型外推預測能力并沒有比MGARCH類模型更強。
[Abstract]:The rapid integration of financial markets makes the price movement between different markets and assets spread rapidly and affect each other. Financial markets are more dependent on each other. Therefore, it is necessary and meaningful to extend the univariate volatility model to the multivariate volatility model and to study the volatility characteristics among multiple variables. The multivariate volatility model mainly includes the multivariate generalized autoregressive conditional heteroscedasticity (MGARCH) model and the multivariate random volatility model (MSV). The former regards volatility as the deterministic function of the past information set. That is, volatility is a function of the square observations of lag residuals and pre-conditional variance, while the latter holds that volatility is determined by unobservable potential stochastic processes. According to whether the conditional correlation coefficient is time-varying, each kind of model can be divided into normal correlation model and dynamic correlation model. Based on this, this paper makes a comparative study of MGARCH model and MSV model. In this paper, we first analyze how to judge the order of return sequence and how to estimate the parameters, in order to observe useful basic information. Then, the differences between MGARCH model and MSV model in parameter estimation and model stability are discussed. In order to find a more suitable model to accurately describe the relevant characteristics of financial market time series. Finally, a comparison between MSV model and MGARCH model is made. The final results of empirical analysis show that the volatility series described by MSV model are more agglomeration and memory, more in line with the actual situation, but the extrapolation and prediction ability of MSV model is not stronger than that of MGARCH model in this paper.
【學位授予單位】：蘭州商學院
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：F224;F830.91

【參考文獻】

相關期刊論文 前10條

1 余素紅,張世英;SV與GARCH模型對金融時間序列刻畫能力的比較研究[J];系統(tǒng)工程;2002年05期

2 白],張世英;SV模型的變結構研究及應用[J];系統(tǒng)工程;2003年02期

3 朱鈞鈞;謝識予;;上證綜指馬爾可夫轉換模型的MCMC估計和分析[J];系統(tǒng)工程;2010年04期

4 柯珂,張世英;ARCH模型的診斷分析[J];管理科學學報;2001年02期

5 樊智,張世英;多元GARCH建模及其在中國股市分析中的應用[J];管理科學學報;2003年02期

6 余素紅,張世英,宋軍;基于GARCH模型和SV模型的VaR比較[J];管理科學學報;2004年05期

7 陳楊林;夏正喜;;隨機波動率模型分析與應用[J];九江職業(yè)技術學院學報;2010年04期

8 魏宇;余怒濤;;中國股票市場的波動率預測模型及其SPA檢驗[J];金融研究;2007年07期

9 鄢雨詩;朱淑珍;;我國開放式基金風險度量——基于GARCH模型和SV模型的VaR比較[J];江西教育學院學報;2011年04期

10 邱冬陽;王濤;許雄奇;;金融市場隨機波動:基于文獻綜述的視角[J];西南農(nóng)業(yè)大學學報(社會科學版);2009年04期

相關碩士學位論文 前1條

1 周嶠;基于SV模型和Copula函數(shù)的VaR度量方法和實證分析[D];中國科學技術大學;2011年

本文編號：1803427