金融數(shù)據(jù)的波動性一直是經(jīng)濟學(xué)研究的熱點問題之一。通過對大量金融時間序列的研究,人們發(fā)現(xiàn)時間序列的波動呈現(xiàn)出時變性。描述時變波動的模型一般有兩類,即自回歸條件方差(ARCH)模型和隨機波動(SV)模型。本文注重對后者進行研究。 大量金融時間序列表明金融數(shù)據(jù)波動中存在一種很重要的實證特征,即“杠桿效應(yīng)”,為此本文選取能夠反映“杠桿效應(yīng)”的非對稱隨機波動(ASV)模型作為基本模型。在經(jīng)濟現(xiàn)象中,許多經(jīng)濟變量是無法定量度量的,為了在模型中能夠反映這些因素的影響,需要借助虛擬變量來實現(xiàn)。為了使ASV模型能夠應(yīng)用在更多經(jīng)濟、金融問題中,本文提出了一種基于ASV模型的擴展形式,即帶有虛擬變量的ASV模型。 模型的應(yīng)用必然要涉及到參數(shù)估計的問題。對于SV模型,學(xué)者們提出各種各樣的估計方法,目前最常用的方法是馬爾科夫鏈蒙特卡洛(MCMC)方法。針對MCMC方法的特點以及待估模型本身的特征,本文首先對帶有虛擬變量的ASV模型進行貝葉斯分析,并為參數(shù)選取合適的先驗分布,然后構(gòu)造基于Gibbs抽樣的MCMC數(shù)值計算過程進行分析。 論文的實證部分選取了“考察股指期貨的引入對股票現(xiàn)貨市場波動性的影響”為...

【文章頁數(shù)】：42 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 論文研究背景
        1.1.1 金融理論定量化發(fā)展回顧
        1.1.2 金融市場的波動性
        1.1.3 外生變量在描述金融時間序列中的作用
    1.2 描述波動性的模型
        1.2.1 純時間序列
        1.2.2 自回歸條件異方差
        1.2.3 隨機波動
    1.3 論文結(jié)構(gòu)及創(chuàng)新之處
第2章 隨機波動(SV)模型
    2.1 基本SV模型
        2.1.1 SV模型簡介
        2.1.2 SV模型統(tǒng)計特征
    2.2 SV模型的擴展
        2.2.1 厚尾SV模型
        2.2.2 長記憶SV模型
        2.2.3 非對稱SV模型(ASV)
    2.3 引入虛擬變量的ASV模型及其統(tǒng)計有效性分析
    2.4 本章小結(jié)
第3章 SV模型參數(shù)估計
    3.1 SV模型參數(shù)估計的基本方法
        3.1.1 偽極大似然方法(QML)
        3.1.2 廣義矩方法估計(GMM)
        3.1.3 模擬極大似然方法(SML)
        3.1.4 馬爾科夫鏈蒙特卡洛方法(MCMC)
    3.2 貝葉斯估計
        3.2.1 貝葉斯公式的密度函數(shù)形式
        3.2.2 先驗分布的確定
        3.2.3 使后驗分布的均方誤差(MSE)達到最小的貝葉斯估計
    3.3 馬爾科夫鏈蒙特卡羅(MCMC)方法
        3.3.1 MCMC方法的基本思想
        3.3.2 Gibbs取樣
        3.3.3 BUGS軟件簡介
    3.4 DIC準(zhǔn)則
    3.5 MCMC方法對帶有虛擬變量的ASV模型的貝葉斯分析
    3.6 本章小結(jié)
第4章 實證分析
    4.1 引入股指期貨對股票現(xiàn)貨市場波動性影響的研究
        4.1.1 現(xiàn)有研究波動性影響的主要理論
        4.1.2 現(xiàn)有實證成果簡述
    4.2 日收益率的描述統(tǒng)計分析
    4.3 對引入股指期貨的股票現(xiàn)貨市場波動性建模
        4.3.1 利用帶有虛擬變量的ASV模型建模
        4.3.2 利用帶有虛擬變量的GARCH模型建模
        4.3.3 兩種模型擬合優(yōu)度的比較
    4.4 本章小結(jié)
結(jié)束語
參考文獻
致謝



本文編號：4012444