發(fā)布時間：2017-03-20 22:00

  本文關(guān)鍵詞：基于MCMC算法的金融高頻數(shù)據(jù)貝葉斯分析，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著股票市場電子交易的興起和發(fā)展,高頻交易數(shù)據(jù)的獲取成為可能。由于高頻數(shù)據(jù)對捕捉股市微觀結(jié)構(gòu)有著十分顯著的作用,因此高頻數(shù)據(jù)的分析尤為重要。本文根據(jù)高頻數(shù)據(jù)的特點,利用貝葉斯方法,對高頻數(shù)據(jù)的價格和持續(xù)期進行模型建立及分析。本文選取2016年3月21日至3月25日為期一周關(guān)于浦發(fā)銀行的股票交易高頻數(shù)據(jù)進行實證分析。第一、對價格變化建立貝葉斯順序概率模型。對浦發(fā)銀行3月24日的交易價格建立貝葉斯順序概率模型,在MCMC抽樣過程中利用Liu et al.(2000)提出的組變化方法,將某些參數(shù)做線性變換,從而可以大大提高樣本的收斂速度。利用抽樣樣本對模型參數(shù)進行估計。然后利用已估計的順序概率模型對價格進行向前一步的樣本內(nèi)預測,發(fā)現(xiàn)模型可以捕捉到68%的交易價格信息。第二、對持續(xù)期建立貝葉斯門限隨機條件持續(xù)期模型(T-SCD)�？紤]浦發(fā)銀行3月21至3月25日為期一周的持續(xù)期數(shù)據(jù),利用調(diào)整后的持續(xù)期建立條件持續(xù)期模型,并且通過信息準則選擇新息分布為伽瑪?shù)臈l件持續(xù)期模型。經(jīng)過非線性檢驗,發(fā)現(xiàn)伽瑪持續(xù)期模型殘差存在非線性性,隨后對調(diào)整后的持續(xù)期建立兩體制的T-SCD(1,2)模型。比較模型的似然函數(shù)值發(fā)現(xiàn)該模型優(yōu)于其他模型,并可以用來解釋大量交易和少量交易的交易動態(tài)性。第三、對價格變化和持續(xù)期建立二元模型(PCD)�？紤]浦發(fā)銀行3月24日的交易數(shù)據(jù),對其建立貝葉斯PCD模型,利用MCMC算法估計得到的模型結(jié)果顯示:價格變化量和持續(xù)期都存在顯著地動態(tài)相依性;持續(xù)期越大,則價格變化期間的交易量越少,同時交易價格正向變化的概率越大。此外價格變動方向不同,則價格變化量所受到的影響因素也不同。價格負向變化時,價格變化量更多的是受到無價格變化信息的影響;而價格正向變化時,價格變化量更多的是受到非零價格變化信息的影響。交易信息越多,價格變化越平穩(wěn);反之,交易價格波動越大。本文的創(chuàng)新點在于對中國股票市場的高頻數(shù)據(jù)建立順序概率模型、隨機波動率模型、PCD模型,并利用貝葉斯方法對模型參數(shù)進行估計,以此對中國股市的微觀結(jié)構(gòu)進行分析,同時將隨機持續(xù)期模型進行了一定的推廣。
【關(guān)鍵詞】：高頻數(shù)據(jù) 順序概率模型 門限SCD模型 PCD模型 MCMC算法
【學位授予單位】：華南農(nóng)業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：F224;F832.51
【目錄】：

• 摘要3-4
• ABSTRACT4-8
• 1 前言8-12
• 1.1 研究背景與意義8-9
• 1.2 國內(nèi)外研究現(xiàn)狀9-11
• 1.3 本文主要工作11-12
• 2 馬爾可夫鏈蒙特卡羅方法12-15
• 2.1 兩個常用的MCMC算法13-14
• 2.1.1 Metropolis Hasting算法13-14
• 2.1.2 Gibbs抽樣14
• 2.2 MCMC算法的收斂性診斷14-15
• 2.3 實現(xiàn)MCMC算法的軟件15
• 3 高頻數(shù)據(jù)的特征分析15-17
• 3.1 價格的離散性15-16
• 3.2 持續(xù)期的日模式16-17
• 3.3 其他特征17
• 4 價格變化模型17-24
• 4.1 順序概率模型17
• 4.2 參數(shù)的先驗分布17-18
• 4.3 貝葉斯條件后驗分布的推導18-19
• 4.4 順序概率模型的MCMC抽樣算法19
• 4.5 模擬19-21
• 4.6 實證分析21-24
• 5 門限持續(xù)期模型24-33
• 5.1 持續(xù)期模型介紹24-25
• 5.2 非線性檢驗25-27
• 5.2.1 Ori-F檢驗25
• 5.2.2 門限檢驗25-27
• 5.3 參數(shù)的貝葉斯推導27-29
• 5.4 TSCD模型的MH抽樣算法29
• 5.5 實證分析29-33
• 6 價格變化和持續(xù)期的二元模型33-39
• 6.1 模型介紹33-34
• 6.2 參數(shù)的貝葉斯推導34-35
• 6.3 PCD模型的MCMC抽樣算法35-36
• 6.4 實證分析36-39
• 7 總結(jié)和討論39-41
• 7.1 總結(jié)39-40
• 7.2 討論40-41
• 致謝41-42
• 參考文獻42-45
• 附錄45-69
• 附錄A 浦發(fā)銀行3月24日9:30:00-9:34:04的價格變化與持續(xù)期45-51
• 附錄B 高頻數(shù)據(jù)的特征分析程序51-52
• 附錄C 價格變化的順序概率模型程序52-58
• 附錄D 持續(xù)期模型程序58-69
• 附錄E 攻讀碩士學位期間發(fā)表的學術(shù)論文69

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 趙滌非;唐勇;;基于高頻數(shù)據(jù)視角的上證綜指跳躍原因分析[J];系統(tǒng)科學與數(shù)學;2015年01期

2 陳杰;;基于高頻數(shù)據(jù)的波動率預測研究[J];時代金融;2014年29期

3 王少斌;田新民;;基于高頻數(shù)據(jù)的ACD模型微觀擴展應(yīng)用[J];系統(tǒng)工程;2014年09期

4 劉洪;王江濤;;基于高頻數(shù)據(jù)的時間序列長記憶系數(shù)比較研究[J];數(shù)理統(tǒng)計與管理;2014年04期

5 王亞楠;董雅琴;吳祈宗;;基于MCMC的SCD模型擴展研究[J];河北工業(yè)科技;2014年01期

6 左浩苗;劉振濤;曾海為;;基于高頻數(shù)據(jù)的股指期貨與現(xiàn)貨市場波動溢出和信息傳導研究[J];金融研究;2012年04期

7 孫艷;何建敏;周偉;;非參數(shù)隨機條件持續(xù)期模型及其迭代算法[J];統(tǒng)計研究;2011年08期

8 王亞楠;吳祈宗;劉風;;基于MCMC的ACD與SCD模型比較研究[J];數(shù)學的實踐與認識;2011年09期

9 李素芳;朱慧明;虞克明;郝立亞;;基于Gibbs抽樣的貝葉斯超高頻金融數(shù)據(jù)協(xié)整關(guān)系研究[J];統(tǒng)計與信息論壇;2010年10期

10 劉偉;陳敏;吳武清;;高頻數(shù)據(jù)交易量久期與價格變化的動態(tài)行為研究[J];數(shù)理統(tǒng)計與管理;2010年03期

  本文關(guān)鍵詞：基于MCMC算法的金融高頻數(shù)據(jù)貝葉斯分析，，由筆耕文化傳播整理發(fā)布。

本文編號：258485