發(fā)布時(shí)間：2023-02-26 06:45

　　在金融市場(chǎng)中,波動(dòng)或波動(dòng)性(fluctuation)是指金融資產(chǎn)在某段時(shí)間的變化,統(tǒng)計(jì)上一般以特定時(shí)間內(nèi)標(biāo)的資產(chǎn)價(jià)格漲落的標(biāo)準(zhǔn)差來衡量。波動(dòng)率(volatility),作為金融市場(chǎng)中特有的名詞,是指金融資產(chǎn)(包括股票、債券和利率等)價(jià)格波動(dòng)的強(qiáng)弱程度。實(shí)際上波動(dòng)率是不可觀測(cè)的,只能基于標(biāo)的資產(chǎn)的損益的標(biāo)準(zhǔn)差來估計(jì)資產(chǎn)在某個(gè)階段的波動(dòng)率。波動(dòng)率的建模并解決風(fēng)險(xiǎn)管理和衍生品的定價(jià)始終是金融市場(chǎng)的熱點(diǎn)及難點(diǎn)。金融資產(chǎn)的價(jià)格或損益通常用時(shí)間序列來建模。時(shí)間序列的波動(dòng)主要通過兩類模型進(jìn)行分析:廣義自回歸條件異方差(GARCH)模型和隨機(jī)波動(dòng)率(SV)模型。與GARCH模型相比,SV模型已經(jīng)被證明具有一些理論優(yōu)勢(shì),例如定價(jià)差異更小,并且在“波動(dòng)率微笑”上的擬合效果更好等。然而,由于SV模型的似然沒有解析表示,無法使用傳統(tǒng)的極大似然估計(jì)進(jìn)行參數(shù)估計(jì),而基于MCMC方法的貝葉斯估計(jì)的復(fù)雜性一定程度上阻礙了其被廣泛使用。本文提出一種新的估計(jì)方法,即基于MH采樣的貝葉斯合成似然方法(MHBSL)。MH是高效的后驗(yàn)分布抽樣方法,而BSL可以解決似然函數(shù)復(fù)雜、難以處理的情況,二者的結(jié)合可以有效地解決SV模型的...

【文章頁數(shù)】：52 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
主要符號(hào)對(duì)照表
第一章 緒論
    1.1 選題背景及研究的目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀分析
    1.3 主要研究內(nèi)容
    1.4 研究創(chuàng)新點(diǎn)
第二章 隨機(jī)波動(dòng)率模型
    2.1 波動(dòng)率性質(zhì)及其統(tǒng)計(jì)特征
    2.2 隨機(jī)波動(dòng)率模型
    2.3 GARCH模型
第三章 貝葉斯合成似然
    3.1 貝葉斯推斷及MCMC抽樣算法
    3.2 貝葉斯合成似然
第四章 MH-BSL方法
    4.1 抽樣方法
    4.2 匯總統(tǒng)計(jì)量的選取
    4.3 參數(shù)更新
第五章 實(shí)證分析
    5.1 MH-BSL方法在正態(tài)分布-SV模型中的應(yīng)用
    5.2 MH-BSL方法在穩(wěn)定分布-SV模型中的應(yīng)用
    5.3 本章附錄
第六章 總結(jié)與展望
參考文獻(xiàn)
致謝



本文編號(hào)：3750031