發(fā)布時(shí)間：2021-04-16 08:17

　　考慮到高頻時(shí)間序列波動(dòng)率的長(zhǎng)記憶性問(wèn)題,構(gòu)建了賦權(quán)已實(shí)現(xiàn)波動(dòng)分?jǐn)?shù)整合自回歸移動(dòng)平均（ARFIMA-WRV）模型對(duì)其進(jìn)行了研究.利用貝葉斯統(tǒng)計(jì)方法對(duì)模型做了相應(yīng)的貝葉斯分析,并對(duì)我國(guó)中小板股市收益波動(dòng)率的長(zhǎng)記憶性特征進(jìn)行了實(shí)證分析.實(shí)證結(jié)果表明我國(guó)中小板股市收益波動(dòng)率存在長(zhǎng)記憶性特征;采用消除日歷效應(yīng)影響的賦權(quán)已實(shí)現(xiàn)波動(dòng)作為波動(dòng)度量和貝葉斯參數(shù)估計(jì)方法,很大程度上提高了模型的參數(shù)精度. 

【文章來(lái)源】：數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2019,49(21)北大核心

【文章頁(yè)數(shù)】：11 頁(yè)

【部分圖文】：

圖１?序列的Ｈａｕｓｔ指數(shù)圖??通過(guò)式（１７）可得Ｈａｕｓｔ指數(shù)Ｈ為０．７８６７，根據(jù)表達(dá)式ｄ＝Ｈ－０．５，可知ｄ＝０．２８６７．由ｄ??

７??及?ｒ?？Ｇａｍｍａ（０．０１，０．０１），將?＆，ｄ，Ｔ?的初始值設(shè)置為（０，０，０，０，０），（－１「１「１，〇．２５，〇．５），??（１，１，１「０．２５，１），建立三條馬爾可夫鏈．在Ｇｉｂｂｓ抽樣過(guò)程中，設(shè)置迭代次數(shù)為６〇〇〇次，為??保證馬爾可夫鏈的收斂性，舍去初始１５００次不平穩(wěn)數(shù)據(jù)．利用馬爾科夫鏈產(chǎn)生的樣本數(shù)據(jù)，??可以分析ＡＲＦＩＭＡ－ＷＲＶ模型各參數(shù)的后驗(yàn)分布以及貝葉斯估計(jì)結(jié)果．這里利用Ｇｅｌｍａｎ－??Ｒｕｂｉｎ（ＧＲ）收斂準(zhǔn)則來(lái)判斷馬爾可夫鏈的收斂性：結(jié)果如圖２．??１５５１?２０００?２５００?３０００??圖２模型參數(shù)的收斂性診斷圖??由圖２可以看出，各參數(shù)迭代過(guò)程中沒(méi)有呈現(xiàn)明顯的周期性和規(guī)律性，表明ＡＲＦＩＭＡ－??ＷＲＶ模型中各參數(shù)的后驗(yàn)分布已達(dá)到穩(wěn)定狀態(tài)．ＧＲ統(tǒng)計(jì)量隨著迭代次數(shù)增加，這五個(gè)參數(shù)??的三條線幾乎都收斂于１，因此可判斷抽樣得到的馬爾科夫鏈?zhǔn)鞘諗康�，從而得到的抽樣�?shù)??據(jù)是有效的．??從圖３的后驗(yàn)分布密度圖可得，對(duì)模型各參數(shù)進(jìn)行核密度估計(jì)，其參數(shù)后驗(yàn)分布密度圖??基本上都是對(duì)稱的，表明這些參數(shù)的貝葉斯估計(jì)值與真實(shí)值非常接近，誤差很�。鶕�(jù)Ｇｉｂｂｓ??抽樣結(jié)果，結(jié)合后驗(yàn)分布密度圖，可以得出參數(shù)的貝葉斯估計(jì)值．??表２給出了最終ＭＣＭＣ模擬模型參數(shù)的均值（作為參數(shù)的估計(jì)值），標(biāo)準(zhǔn)差，ＭＣ誤差，??２．５％、中位數(shù)和９７．５％的分位數(shù)．?dāng)?shù)值顯示各參數(shù)標(biāo)準(zhǔn)差和ＭＣ誤差均較小，且ＭＣ誤差??遠(yuǎn)小于標(biāo)準(zhǔn)差，可以判斷得到的鏈條平穩(wěn)收斂的，即參數(shù)估計(jì)結(jié)果是有效的．迭代從第１５０１??次開(kāi)始至６０００次，得到如的均值為０．５０８５，?９５％置信區(qū)間為（０．４１７２，?０．５９８９）；心的均值

【參考文獻(xiàn)】：
期刊論文
[1]ARMA波動(dòng)率模型下到期區(qū)間理財(cái)產(chǎn)品定價(jià)[J]. 王雅琪,金良瓊.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2018(08)
[2]基于小波分析與貝葉斯估計(jì)的組合統(tǒng)計(jì)建模[J]. 林靜,唐國(guó)強(qiáng),覃良文.  桂林理工大學(xué)學(xué)報(bào). 2017(01)
[3]基于已實(shí)現(xiàn)波動(dòng)率的ARFIMA模型在股指期貨高頻數(shù)據(jù)中的實(shí)證研究[J]. 楊若一,胡冰霜.  中國(guó)國(guó)際財(cái)經(jīng)(中英文). 2016(20)
[4]ASV-T模型研究及其在中國(guó)創(chuàng)業(yè)板市場(chǎng)中的應(yīng)用[J]. 楊建輝,伍捷.  數(shù)理統(tǒng)計(jì)與管理. 2016(06)
[5]GARCH模型的分位點(diǎn)回歸的MCMC方法（英文）[J]. 李東方,唐亞勇.  四川大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(01)
[6]基于Gibbs抽樣的貝葉斯黃金期貨市場(chǎng)長(zhǎng)記憶特征研究[J]. 朱慧明,蔣麗萍,游萬(wàn)海.  統(tǒng)計(jì)與決策. 2015(11)
[7]基于RV的LMSV模型在中國(guó)股市中的實(shí)證研究[J]. 鄭藝,梁循,孫曉蕾.  中國(guó)管理科學(xué). 2014(S1)
[8]我國(guó)燃油期貨市場(chǎng)的波動(dòng)率預(yù)測(cè)模型[J]. 吳曉雄.  統(tǒng)計(jì)與決策. 2013(14)
[9]基于MCMC方法的ARFIMA模型貝葉斯分析及實(shí)證研究[J]. 劉國(guó)旺,熊健.  數(shù)理統(tǒng)計(jì)與管理. 2012(03)
[10]已實(shí)現(xiàn)波動(dòng)和賦權(quán)已實(shí)現(xiàn)波動(dòng)的比較研究[J]. 李玲珍,郭名媛.  西北農(nóng)林科技大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2009(02)

碩士論文
[1]ARMA模型、ARFIMA模型及其貝葉斯統(tǒng)計(jì)推斷與實(shí)證分析[D]. 丁卓武.中南大學(xué) 2008



本文編號(hào)：3141074