本文關(guān)鍵詞：基于MCMC模擬的貝葉斯金融隨機波動模型分析，由筆耕文化傳播整理發(fā)布。

【摘要】： 經(jīng)濟或金融時間序列存在著普遍的波動性現(xiàn)象,而波動性是描述金融市場研究的一個核心問題。1986年Taylor提出了描述波動性的隨機波動模型。近幾年隨機波動模型在我國得到了不斷的發(fā)展,研究者提出了眾多的擴展模型,例如厚尾SV模型,均值SV模型等。但是此類標(biāo)準(zhǔn)SV模型的擴展模型模擬我國金融時間序列的優(yōu)劣程度并無確切標(biāo)準(zhǔn)。本文引入DIC準(zhǔn)則,并運用貝葉斯方法,對SV族模型進(jìn)行了比較分析。 根據(jù)貝葉斯定理對SV族模型中的SV-N模型、SV-T模型、SV-GED模型、SV-MN模型和SV-MT模型進(jìn)行了貝葉斯分析。構(gòu)造基于Gibbs抽樣的MCMC數(shù)值計算過程,借鑒國外先驗分布的經(jīng)驗,然后通過WinBUGS軟件對模型參數(shù)進(jìn)行估計。再通過參數(shù)的貝葉斯估計值對上海股市和深圳股市進(jìn)行比較分析。經(jīng)過比較分析發(fā)現(xiàn)上海股市和深圳股市都表現(xiàn)出強的波動持續(xù)性,而上海股市比深圳股市具有更強的波動持續(xù)性,上海股市的噪聲要比深圳股市的多。而深圳股市的波動水平比上海股市的要大,風(fēng)險也更高。 最后利用DIC準(zhǔn)則對深證指數(shù)和上證指數(shù)在SV族模型下的模擬情況進(jìn)行了比較分析。分析發(fā)現(xiàn)SV-MT模型更加深刻的描繪了我國股市的波動水平,波動聚集性以及尖峰厚尾的性質(zhì)。模擬深證成指最優(yōu)的為SV-GED模型,而SV-MN模型是模擬最差的。在模擬上證指數(shù)的收益率的SV模型中,SV-T模型是最優(yōu)的,而SV-MN模型是最差的。因此,我們可以得出結(jié)論,我國股市的收益率存在明顯的尖峰厚尾現(xiàn)象,應(yīng)采用厚尾SV模型對我國股市進(jìn)行分析。
【關(guān)鍵詞】：厚尾SV模型 均值SV模型 MCMC算法 Gibbs抽樣 DIC準(zhǔn)則
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2007
【分類號】：F830.9;F224
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 插圖索引9-10
• 附表索引10-11
• 第1章 緒論11-17
• 1.1 引言11-12
• 1.2 研究現(xiàn)狀12-15
• 1.3 研究內(nèi)容及其安排15-17
• 第2章 我國股市金融時間序列的基本統(tǒng)計特征17-24
• 2.1 指標(biāo)的選取17-18
• 2.2 數(shù)據(jù)的選擇18
• 2.3 特征分析18-24
• 2.3.1 圖形分析19-21
• 2.3.2 正態(tài)分布檢驗21-22
• 2.3.3 自相關(guān)和異方差檢驗22-24
• 第3章 標(biāo)準(zhǔn)SV 模型的貝葉斯分析24-31
• 3.1 標(biāo)準(zhǔn)SV 模型的統(tǒng)計結(jié)構(gòu)分析24-26
• 3.1.1 標(biāo)準(zhǔn)SV 模型的矩25-26
• 3.1.2 標(biāo)準(zhǔn)SV 模型的峰度26
• 3.2 標(biāo)準(zhǔn)SV 模型的貝葉斯推斷26-28
• 3.3 實證分析28-29
• 3.4 本章小結(jié)29-31
• 第4章 厚尾SV 模型的貝葉斯分析31-41
• 4.1 SV-T 模型的貝葉斯分析31-35
• 4.1.1 SV-T 模型的統(tǒng)計結(jié)構(gòu)分析31-32
• 4.1.2 SV-T 模型的貝葉斯推斷32-33
• 4.1.3 實證分析33-35
• 4.2 SV-GED 模型的貝葉斯分析35-39
• 4.2.1 SV-GED 模型統(tǒng)計結(jié)構(gòu)分析35-36
• 4.2.2 SV-GED 模型的貝葉斯推斷36-38
• 4.2.3 實證分析38-39
• 4.3 本章小結(jié)39-41
• 第5章 均值SV 模型的貝葉斯分析41-51
• 5.1 SV-MN 模型的貝葉斯分析41-45
• 5.1.1 SV-MN 模型統(tǒng)計結(jié)構(gòu)分析41-42
• 5.1.2 SV-MN 模型貝葉斯推斷42-43
• 5.1.3 實證分析43-45
• 5.2 SV-MT 模型的貝葉斯分析45-49
• 5.2.1 SV-MT 模型統(tǒng)計結(jié)構(gòu)分析45-46
• 5.2.2 SV-MT 模型貝葉斯推斷46-48
• 5.2.3 實證分析48-49
• 5.3 本章小結(jié)49-51
• 第6章 SV 族模型比較分析51-56
• 6.1 模型模擬結(jié)果比較分析51-53
• 6.1.1 深證成指模擬結(jié)果比較分析51-52
• 6.1.2 上證指數(shù)模擬結(jié)果比較分析52-53
• 6.2 模型DIC 比較分析53-55
• 6.3 本章小結(jié)55-56
• 全文總結(jié)與展望56-58
• 本文所做的工作56
• 本文創(chuàng)新之處56
• 進(jìn)一步研究展望56-58
• 參考文獻(xiàn)58-62
• 附錄A 攻讀碩士學(xué)位期間所發(fā)表的學(xué)術(shù)論文目錄62-63
• 附錄B 攻讀碩士學(xué)位期間所參加的科研課題63-64
• 附錄C WINBUGS 仿真程序64-71
• 致謝71

【引證文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 徐穎;張春雷;;基于MCMC隨機模擬的企業(yè)年金投資收益率的測算[J];統(tǒng)計與決策;2008年24期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前9條

1 谷慧娟;隨機波動模型下人民幣匯率波動研究[D];西南財經(jīng)大學(xué);2010年

2 胡進(jìn);基于HULL-WHITE數(shù)值法的權(quán)證定價實證[D];西南財經(jīng)大學(xué);2009年

3 唐琳;連續(xù)時間模型的貝葉斯分析和金融應(yīng)用研究[D];西南交通大學(xué);2010年

4 康一;股指期貨保證金水平設(shè)置模型的比較研究[D];華中科技大學(xué);2009年

5 錢浩;基于Bootstrap-Bayes的數(shù)控機床小子樣可靠性建模方法研究[D];吉林大學(xué);2012年

6 呂孝亮;生存分析中幾種常見模型的貝葉斯估計[D];廣西師范學(xué)院;2012年

7 寇惠敏;SV族模型的研究及在中國股市中的應(yīng)用[D];山東理工大學(xué);2012年

8 吳家春;隨機波動模型下黃金價格波動研究[D];西南財經(jīng)大學(xué);2012年

9 劉傳文;混合貝塔分布隨機波動模型的貝葉斯建模方法研究[D];天津財經(jīng)大學(xué);2012年

  本文關(guān)鍵詞：基于MCMC模擬的貝葉斯金融隨機波動模型分析，，由筆耕文化傳播整理發(fā)布。

本文編號：268531