本文關(guān)鍵詞：帶有Markov狀態(tài)轉(zhuǎn)換Heston模型的Bayes估計

  更多相關(guān)文章： Heston模型 Markov-Switching模型 MCMC算法 MCQMC算法

【摘要】：在Black-Scholes模型的研究過程中,Heston(1993)提出的隨機波動Heston模型,能有效地表現(xiàn)出資產(chǎn)價格變化中波動率的長期變化趨勢。同時Hamilton于1989年提出狀態(tài)轉(zhuǎn)換模型Markov-Switching模型,用來描述不同經(jīng)濟時期經(jīng)濟現(xiàn)象的周期性變化過程中數(shù)學(xué)模型參數(shù)的相應(yīng)改變,引起了相當(dāng)一部分研究者的興趣。本文將兩者結(jié)合起來組成MS-Heston模型,利用兩種模型的不同特點來更好的模擬資產(chǎn)價格的隨機波動。本文將時間序列研究中的Markov-Switching模型引入隨機波動率方程的研究中,對現(xiàn)有的Heston模型中加入Markov-Switching模型的情形進行了簡單的討論。同時描述了對MS-Heston模型中的參數(shù)進行估計的MCMC方法,由Gibbs抽樣方法和Metropolis-Hastings算法兩部分組合而成。并對隨機抽樣中使用Monte Carlo方法與Quasi-Monte Carlo方法的兩種情況下的結(jié)果進行了比較。本文對于提出的MS-Heston模型進行了過程的模擬并且進行了參數(shù)的估計。從模擬結(jié)果中證實MCMC算法MS-Heston模型的參數(shù)估計方面都是比較精確且有效率的。使用QMC方法能有效的降低估計值的離散程度,對一般的MCMC算法有明顯的改善效果。
【學(xué)位授予單位】：清華大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：F224

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 常浩;;Heston隨機波動率模型下的動態(tài)投資組合[J];經(jīng)濟數(shù)學(xué);2013年02期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 施云川;帶有Markov狀態(tài)轉(zhuǎn)換Heston模型的Bayes估計[D];清華大學(xué);2015年

，

本文編號：1238617