金融數(shù)據(jù)的波動(dòng)性一直是經(jīng)濟(jì)學(xué)研究的熱點(diǎn)問題之一。通過(guò)對(duì)大量金融時(shí)間序列的研究,人們發(fā)現(xiàn)時(shí)間序列的波動(dòng)呈現(xiàn)出時(shí)變性。描述時(shí)變波動(dòng)的模型一般有兩類,即自回歸條件方差(ARCH)模型和隨機(jī)波動(dòng)(SV)模型。本文注重對(duì)后者進(jìn)行研究。 大量金融時(shí)間序列表明金融數(shù)據(jù)波動(dòng)中存在一種很重要的實(shí)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(duì)稱隨機(jī)波動(dòng)(ASV)模型作為基本模型。在經(jīng)濟(jì)現(xiàn)象中,許多經(jīng)濟(jì)變量是無(wú)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(lái)實(shí)現(xiàn)。為了使ASV模型能夠應(yīng)用在更多經(jīng)濟(jì)、金融問題中,本文提出了一種基于ASV模型的擴(kuò)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(jì)的問題。對(duì)于SV模型,學(xué)者們提出各種各樣的估計(jì)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(duì)MCMC方法的特點(diǎn)以及待估模型本身的特征,本文首先對(duì)帶有虛擬變量的ASV模型進(jìn)行貝葉斯分析,并為參數(shù)選取合適的先驗(yàn)分布,然后構(gòu)造基于Gibbs抽樣的MCMC數(shù)值計(jì)算過(guò)程進(jìn)行分析。 論文的實(shí)證部分選取了“考察股指期貨的引入對(duì)股票現(xiàn)貨市場(chǎng)波動(dòng)性的影響”為...

【文章頁(yè)數(shù)】：42 頁(yè)

【學(xué)位級(jí)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(chǎng)的波動(dòng)性
        1.1.3 外生變量在描述金融時(shí)間序列中的作用
    1.2 描述波動(dòng)性的模型
        1.2.1 純時(shí)間序列
        1.2.2 自回歸條件異方差
        1.2.3 隨機(jī)波動(dòng)
    1.3 論文結(jié)構(gòu)及創(chuàng)新之處
第2章 隨機(jī)波動(dòng)(SV)模型
    2.1 基本SV模型
        2.1.1 SV模型簡(jiǎn)介
        2.1.2 SV模型統(tǒng)計(jì)特征
    2.2 SV模型的擴(kuò)展
        2.2.1 厚尾SV模型
        2.2.2 長(zhǎng)記憶SV模型
        2.2.3 非對(duì)稱SV模型(ASV)
    2.3 引入虛擬變量的ASV模型及其統(tǒng)計(jì)有效性分析
    2.4 本章小結(jié)
第3章 SV模型參數(shù)估計(jì)
    3.1 SV模型參數(shù)估計(jì)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(jì)(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(jì)
        3.2.1 貝葉斯公式的密度函數(shù)形式
        3.2.2 先驗(yàn)分布的確定
        3.2.3 使后驗(yàn)分布的均方誤差(MSE)達(dá)到最小的貝葉斯估計(jì)
    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(jiǎn)介
    3.4 DIC準(zhǔn)則
    3.5 MCMC方法對(duì)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(shí)證分析
    4.1 引入股指期貨對(duì)股票現(xiàn)貨市場(chǎng)波動(dòng)性影響的研究
        4.1.1 現(xiàn)有研究波動(dòng)性影響的主要理論
        4.1.2 現(xiàn)有實(shí)證成果簡(jiǎn)述
    4.2 日收益率的描述統(tǒng)計(jì)分析
    4.3 對(duì)引入股指期貨的股票現(xiàn)貨市場(chǎng)波動(dòng)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(yǔ)
參考文獻(xiàn)
致謝



本文編號(hào)：4012444