本文關(guān)鍵詞：基于MCMC方法的中國股市波動預(yù)測研究

  更多相關(guān)文章： 波動率 MRS-GARCH 模型 MCMC方法 預(yù)測

【摘要】：隨著科技創(chuàng)新的迅速發(fā)展和經(jīng)濟全球化的深遠影響,新型金融產(chǎn)品不斷涌現(xiàn),金融市場變得更加復(fù)雜,金融風(fēng)險也不斷加劇。金融市場在經(jīng)濟發(fā)展中扮演著十分重要的角色,是金融監(jiān)管部門以及學(xué)術(shù)界研究的重要對象。一旦金融市場出現(xiàn)重大風(fēng)險,就會給整個經(jīng)濟帶來重大影響,甚至可能會引發(fā)全球性經(jīng)濟危機。而金融危機與金融產(chǎn)品價格的劇烈波動又有著緊密而復(fù)雜的聯(lián)系。因此,本文對金融產(chǎn)品價格的波動率進行了建模分析與預(yù)測,從而制定出有效的風(fēng)險管理方法來應(yīng)對金融風(fēng)險的發(fā)生。在金融市場中,股票作為積聚、轉(zhuǎn)讓和轉(zhuǎn)化資本的平臺,是一種參與性強、流動性大和風(fēng)險性高的金融產(chǎn)品,不僅可以反映出股票市場的波動特征,也可以在某種程度上反映一國或地區(qū)的經(jīng)濟發(fā)展情況。而我國的股票市場成立時間較短,缺乏應(yīng)對金融風(fēng)險的成熟經(jīng)驗,在風(fēng)險的控制與防范上存在諸多缺陷;同時,隨著與國外金融市場聯(lián)系日益密切,我國股市受到國外金融市場的影響也越來越大,從而面臨著更為嚴峻的風(fēng)險挑戰(zhàn)。因此,以我國股市為研究對象對研究整個金融市場的風(fēng)險特征都具有代表意義。大量實證研究表明,金融資產(chǎn)的收益率往往存在波動聚集性、尖峰厚尾性和結(jié)構(gòu)突變等特征,而傳統(tǒng)的統(tǒng)計方法已不能很好地刻畫金融資產(chǎn)的這些特性。而GARCH族模型,包括ARCH模型、GARCH模型、EGARCH模型和GJR-GARCH模型等,可以很好地刻畫這些特征。但是GARCH族模型并沒有考慮金融時間序列因結(jié)構(gòu)突變而形成的不同狀態(tài)。為了解決此問題,學(xué)者們結(jié)合結(jié)構(gòu)突變,將馬爾科夫狀態(tài)轉(zhuǎn)換模型應(yīng)用于金融時間序列的分析中,提出了MRS-ARCH模型和MRS-GARCH模型等模型,并將模型的收益殘差序列從正態(tài)分布擴展到學(xué)生t分布和廣義誤差分布等有偏分布。大量學(xué)者基于極大似然估計法(MLE)對MRS-GARCH模型的參數(shù)進行了估計,但該方法受到模型參數(shù)約束條件的限制,使得估計模型參數(shù)時會出現(xiàn)路徑依賴等問題,從而使估計結(jié)果出現(xiàn)偏差。而基于貝葉斯統(tǒng)計理論的馬爾科夫鏈蒙特卡羅方法(MCMC)通過分步抽樣、不斷迭代至參數(shù)收斂可以很好地解決該問題,并且能夠快速有效地處理高維數(shù)據(jù)問題,對參數(shù)的擬合效果更為準確。根據(jù)抽樣方法與轉(zhuǎn)移核的不同,MCMC方法可分成不同類型,如Metropolis方法、Metropolis-Hastings方法、Gibbs抽樣方法以及格子Gibbs抽樣方法等方法�；谏鲜鲅芯糠治�,本文對上證綜指的波動特征進行了實證分析。通過分析上證綜指收益率的基本統(tǒng)計特征可以發(fā)現(xiàn),上證綜指的收益率存在明顯的尖峰厚尾性、序列相關(guān)性、異方差效應(yīng)和結(jié)構(gòu)突變等特征�？紤]到模型的收益殘差序列可能服從有偏分布,本文構(gòu)建了收益殘差序列分別服從正態(tài)分布或?qū)W生t分布的GARCH模型和MRS-GARCH模型對上證綜指的波動率進行刻畫和預(yù)測,并運用MCMC方法估計模型參數(shù)。然后,基于MCMC框架,在每個Gibbs迭代中利用擬合的模型來模擬預(yù)測期的實現(xiàn),并通過損失函數(shù)值和成功率(SR)指標對預(yù)測效果進行評價。研究結(jié)果表明,MRS-GARCH模型對數(shù)據(jù)的擬合效果比單機制GARCH模型更優(yōu);同時,收益殘差序列的分布情況對模型的擬合效果影響也比較大,收益殘差序列服從學(xué)生t分布的模型比服從正態(tài)分布的模型更優(yōu)。因此,MRS-GARCH-t模型對上證綜指波動率的刻畫效果最優(yōu)。值得注意的是,與其他模型相比,MRS-GARCH-t模型的損失函數(shù)值均最小,成功率指標最高,即表現(xiàn)出更優(yōu)的樣本外預(yù)測推廣能力,更適合用于預(yù)測上證綜指的波動率。
【關(guān)鍵詞】：波動率 MRS-GARCH 模型 MCMC方法 預(yù)測
【學(xué)位授予單位】：成都理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：F224;F832.51
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 引言10-18
• 1.1 研究背景和選題意義10-12
• 1.2 文獻綜述12-15
• 1.2.1 關(guān)于波動率模型的研究12-14
• 1.2.2 關(guān)于模型參數(shù)估計方法的研究14-15
• 1.3 本文研究的主要問題15-16
• 1.4 本文的創(chuàng)新點16
• 1.5 本文的邏輯結(jié)構(gòu)安排16-17
• 1.6 研究技術(shù)路線圖17-18
• 第2章 模型的相關(guān)理論18-22
• 2.1 條件異方差模型18-20
• 2.1.1 ARCH模型18-19
• 2.1.2 GARCH模型19-20
• 2.2 馬爾科夫狀態(tài)轉(zhuǎn)換模型20-22
• 2.2.1 MRS-ARCH模型20
• 2.2.2 MRS-GARCH模型20-22
• 第3章 模型參數(shù)估計方法22-31
• 3.1 貝葉斯推斷22
• 3.2 MCMC方法的基本思想22-23
• 3.3 MCMC方法23-27
• 3.3.1 Metropolis算法23-24
• 3.3.2 Metropolis-Hasting算法24-25
• 3.3.3 Gibbs抽樣25-27
• 3.3.4 格子Gibbs抽樣27
• 3.4 MCMC方法在MRS-GARCH模型中的應(yīng)用27-31
• 第4章 預(yù)測31-34
• 4.1 預(yù)測方法31-32
• 4.2 預(yù)測性能評價方法32-34
• 第5章 股市波動率的實證分析34-41
• 5.1 樣本數(shù)據(jù)的選取與收益率統(tǒng)計特征分析34-36
• 5.2 模型的MCMC估計結(jié)果與分析36-38
• 5.3 預(yù)測性能評價38-41
• 總結(jié)41-43
• 致謝43-44
• 參考文獻44-48
• 攻讀學(xué)位期間取得學(xué)術(shù)成果48

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 趙華;蔡建文;;基于MRS-GARCH模型的中國股市波動率估計與預(yù)測[J];數(shù)理統(tǒng)計與管理;2011年05期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 劉艷清;基于貝葉斯統(tǒng)計的金融市場若干風(fēng)險測度分析[D];遼寧大學(xué);2013年

，

本文編號：797638