發(fā)布時間：2017-06-27 06:00

  本文關(guān)鍵詞：隨機波動模型簇及波動率預(yù)測方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：馬克維茨的均值方差模型中,第一次運用波動率來定量地衡量金融資產(chǎn)的風險。隨后,針對金融資產(chǎn)波動率的研究逐漸圍繞著對波動率的均值回復(fù)現(xiàn)象和波動率的聚集現(xiàn)象的研究展開。金融資產(chǎn)收益率的波動存在著很多的特性,主要有厚尾分布(fat-tail)、非對稱影響(Leverage)、波動率聚集(Volatility Clusters)、波動率的均值回復(fù)(Mean Reverse)、跳躍(Jump)等等;而通過對過去的研究的總結(jié)發(fā)現(xiàn),無論是Garch模型簇還是SV模型簇,都沒有很好的模型在一個模型中能夠刻畫厚尾特征和非對稱效應(yīng),因此,在過去研究的基礎(chǔ)上,提出了非對稱的厚尾的隨機波動模型,并且在此模型的基礎(chǔ)上,加入了跳躍因子,得到了帶跳和非對稱效應(yīng)的厚尾隨機波動模型用來刻畫金融資產(chǎn)的跳躍現(xiàn)象。本文中討論的隨機波動模型同時兼顧了股票市場的非對稱效應(yīng)、厚尾效應(yīng)和跳躍特征,對新的模型的結(jié)構(gòu)進行了統(tǒng)計分析,接著通過貝葉斯分析推導(dǎo)得到了參數(shù)的后驗分布,并設(shè)計了模型參數(shù)估計的吉布斯算法;選擇創(chuàng)業(yè)板指數(shù)作為研究對象,利用帶跳和非對稱效應(yīng)的厚尾隨機波動模型進行波動率預(yù)測,同時,運用MSE、QLICK損失函數(shù)對跳躍厚尾非對稱的隨機波動模型、厚尾隨機波動模型以及標準隨機波動模型的預(yù)測效果進行比較分析,并運用D-M統(tǒng)計量對模型的預(yù)測效果的優(yōu)劣進行了顯著性檢驗。研究結(jié)果表明:近幾年來中國股市具有明顯的波動持續(xù)性、非對稱效應(yīng)、厚尾現(xiàn)象和跳躍現(xiàn)象,中國股市的跳躍現(xiàn)象比美國股市更加明顯。在對中國股市的波動率預(yù)測方面,帶跳和非對稱效應(yīng)的厚尾SV的預(yù)測效果比非對稱的厚尾SV模型和厚尾SV模型好,而非對稱厚尾隨機波動模型又要比標準隨機波動模型好。
【關(guān)鍵詞】：非對稱效應(yīng) 厚尾效應(yīng) 跳躍過程 隨機波動模型 MCMC模擬
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F224;F832.51
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章緒論10-16
• 1.1 研究背景和意義10-11
• 1.2 文獻綜述11-13
• 1.2.1 金融市場波動特征11-13
• 1.2.2 隨機波動模型及其估計方法13
• 1.3 研究思路與內(nèi)容13-16
• 1.3.1 研究思路13-14
• 1.3.2 研究內(nèi)容14-16
• 第二章金融資產(chǎn)波動率及建模的基本理論16-24
• 2.1 金融資產(chǎn)波動的基本概念16-17
• 2.1.1 收益率的二階矩-波動率16
• 2.1.2 收益率的偏度、峰度16-17
• 2.2 金融資產(chǎn)波動的主要特征17-18
• 2.2.1 波動聚集現(xiàn)象17
• 2.2.2 波動的長記憶性17
• 2.2.3 波動率的非對稱效應(yīng)17
• 2.2.4 波動溢出效應(yīng)17-18
• 2.3 波動率在期權(quán)定價中的運用18-19
• 2.4 尖峰厚尾分布19-21
• 2.4.1 T分布19-20
• 2.4.2 Cauchy分布20
• 2.4.3 帕累托分布20
• 2.4.4 廣義誤差分布（GED分布）20-21
• 2.5 MCMC抽樣方法21-23
• 2.5.1 MCMC抽樣方法的基本原理21
• 2.5.2 Gibbs抽樣算法21-23
• 2.6 本章小結(jié)23-24
• 第三章 非對稱的厚尾隨機波動模型的構(gòu)建24-36
• 3.1 非對稱的厚尾隨機波動模型的構(gòu)建24-26
• 3.1.1 厚尾隨機波動模型24
• 3.1.2 非對稱的厚尾隨機波動模型24-26
• 3.2 ASV-T模型的貝葉斯分析26-29
• 3.2.1 ASV-T模型的統(tǒng)計結(jié)構(gòu)分析26
• 3.2.2 ASV-T模型的矩26-27
• 3.2.3 ASV-T模型的偏度和峰度27-28
• 3.2.4 ASV-T模型參數(shù)的貝葉斯參數(shù)估計28-29
• 3.3 ASV-T模型的Gibbs抽樣29-30
• 3.4 實證分析30-35
• 3.4.1 樣本選取和創(chuàng)業(yè)板指數(shù)的基本統(tǒng)計特征30-32
• 3.4.2 帶杠桿效應(yīng)的厚尾SV模型估計結(jié)果分析32-35
• 3.5 本章小結(jié)35-36
• 第四章 帶跳的ASV-T模型的構(gòu)建36-45
• 4.1 兩種隨機過程36-37
• 4.1.1 布朗運動36
• 4.1.2 跳躍擴散過程36-37
• 4.2 帶Jump的具有非對稱效應(yīng)的厚尾SV模型37-40
• 4.2.1 帶跳的具有非對稱效應(yīng)的厚尾SV模型的構(gòu)建37-38
• 4.2.2 ASV-TJ模型的統(tǒng)計結(jié)構(gòu)分析38
• 4.2.3 ASV-TJ模型的參數(shù)后驗分布38-39
• 4.2.4 ASV-TJ模型的Gibbs抽樣39-40
• 4.3 ASV-TJ模型對中美股票市場波動率的刻畫40-44
• 4.4 本章小結(jié)44-45
• 第五章 波動率預(yù)測45-49
• 5.1 動態(tài)預(yù)測法45
• 5.2 帶跳躍和非對稱效應(yīng)的隨機波動模型下的波動率預(yù)測方法45-47
• 5.3 ASV-T、ASV-TJ、SV-T模型波動率預(yù)測效果比較47-48
• 5.4 本章小結(jié)48-49
• 結(jié)論49-51
• 參考文獻51-53
• 攻讀碩士學(xué)位期間取得的研究成果53-54
• 致謝54-55
• 附件55

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 毛舜華;;一種連續(xù)隨機波動模型參數(shù)估計的新算法[J];深圳職業(yè)技術(shù)學(xué)院學(xué)報;2007年01期

2 張敏強;魏宇;黃登仕;;基于隨機波動的資本市場混沌行為研究[J];統(tǒng)計與決策;2007年22期

3 邵錫棟;黃性芳;殷煉乾;;多變量隨機波動率模型及在中國股市的應(yīng)用[J];統(tǒng)計與決策;2008年18期

4 黃波;顧孟迪;李湛;;偏正態(tài)隨機波動模型及其實證檢驗[J];管理科學(xué)學(xué)報;2010年02期

5 盧素;劉金山;;隨機波動模型的參數(shù)估計方法[J];佛山科學(xué)技術(shù)學(xué)院學(xué)報(自然科學(xué)版);2011年01期

6 周造武;;隨機波動模型下對標普指數(shù)的實證分析[J];中國商貿(mào);2014年07期

7 李漢東,張世英;隨機波動模型的持續(xù)性和協(xié)同持續(xù)性研究[J];系統(tǒng)工程學(xué)報;2002年04期

8 朱勇生,張世英;平行數(shù)據(jù)隨機波動建模及應(yīng)用研究[J];管理學(xué)報;2005年05期

9 蔣祥林;王春峰;;基于貝葉斯原理的隨機波動率模型分析及其應(yīng)用[J];系統(tǒng)工程;2005年10期

10 郭培棟;陳啟宏;;隨機波動率下信用風險定價模型的比較分析[J];統(tǒng)計與決策;2012年23期

中國重要會議論文全文數(shù)據(jù)庫 前6條

1 張寧;倪宏艷;;需求隨機波動下的局部競爭與合作分析——廠商背叛行為的判定[A];管理科學(xué)與系統(tǒng)科學(xué)研究新進展——第6屆全國青年管理科學(xué)與系統(tǒng)科學(xué)學(xué)術(shù)會議暨中國科協(xié)第4屆青年學(xué)術(shù)年會衛(wèi)星會議論文集[C];2001年

2 李漢東;張世英;;隨機波動模型的波動持續(xù)性研究[A];Systems Engineering, Systems Science and Complexity Research--Proceeding of 11th Annual Conference of Systems Engineering Society of China[C];2000年

3 宋國青;;周期正在消失[A];2012年夏季CMRC中國經(jīng)濟觀察（總第30期）[C];2012年

4 徐俊武;羅毅丹;;過剩產(chǎn)能能否抑制通貨膨脹?——基于包含隨機波動的TVP模型考察[A];2009年全國博士生學(xué)術(shù)會議論文集[C];2009年

5 孫有發(fā);張國亞;丁露濤;;基于Stretching和高階緊的Heston隨機波動模型下美式期權(quán)有限差分定價格式[A];中國系統(tǒng)工程學(xué)會第十八屆學(xué)術(shù)年會論文集——A10系統(tǒng)工程方法在金融、投資、保險業(yè)等領(lǐng)域的研究[C];2014年

6 于紅香;劉小茂;;SV-M模型下VaR和ES估計的極值方法[A];2003中國現(xiàn)場統(tǒng)計研究會第十一屆學(xué)術(shù)年會論文集（上）[C];2003年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 馬研生;隨機波動率模型中的金融衍生品定價問題[D];吉林大學(xué);2012年

2 謝樂;一類局部隨機波動率模型的期權(quán)定價研究[D];浙江大學(xué);2012年

3 鄭挺國;基于有限混合狀態(tài)空間的金融隨機波動模型及應(yīng)用研究[D];吉林大學(xué);2009年

4 孟利鋒;隨機波動模型及其建模方法研究[D];天津大學(xué);2004年

5 陳萍;隨機波動率模型的統(tǒng)計推斷及其衍生證券的定價[D];南京理工大學(xué);2004年

6 施秋紅;帶跳的隨機波動率模型下的期權(quán)定價研究[D];南京理工大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 江易芝;基于隨機波動模型的股市收益和波動模擬[D];長春工業(yè)大學(xué);2015年

2 馬松;一類非自治隨機波動方程拉回吸引子的存在性[D];遼寧師范大學(xué);2015年

3 王舒;一類隨機波動率模型的統(tǒng)計推斷[D];吉林大學(xué);2016年

4 廖蒸;基于MCMC方法對帶跳隨機波動模型的研究[D];中央民族大學(xué);2016年

5 伍捷;隨機波動模型簇及波動率預(yù)測方法研究[D];華南理工大學(xué);2016年

6 鐘卓;函數(shù)參數(shù)隨機波動模型[D];廈門大學(xué);2008年

7 嚴衛(wèi)星;隨機波動模型下的非交易日效應(yīng)研究[D];南京理工大學(xué);2008年

8 任國瑞;風電隨機波動的方差預(yù)報研究[D];哈爾濱工業(yè)大學(xué);2015年

9 何魯寧;隨機波動率的波動率模型[D];上海交通大學(xué);2011年

10 王明雷;具有隨機波動率的可轉(zhuǎn)換公司債券定價模型研究[D];浙江理工大學(xué);2012年

  本文關(guān)鍵詞：隨機波動模型簇及波動率預(yù)測方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：488684