【摘要】：計量經濟模型是研究金融時間序列動態(tài)問題的最常見的方法.但計量模型通常以平穩(wěn)時間序列為假設基礎,因此,在實際數據分析的過程中就需要對時間序列進行單位根檢驗.單位根檢驗是檢驗時間序列數據平穩(wěn)性的重要工具,而協(xié)整檢驗則是用來檢驗非平穩(wěn)多變量之間是否存在長期均衡關系的有效方法.對于金融資產數據,已有文獻大多假設其分布為正態(tài)分布或者t分布,然而,真實的金融資產數據常展現(xiàn)出“尖峰厚尾”的特性,正態(tài)分布或t分布并不能很好地刻畫這些特性.相比之下,方差伽瑪分布通過引進適合的參數能更準確地刻畫這類數據.但是,方差伽瑪分布的引入使得經典單位根檢驗和協(xié)整檢驗變得更加艱難,特別是在小樣本條件下,存在檢驗功效偏低,模型待估參數過多,檢驗統(tǒng)計量難以確定等問題.貝葉斯方法為解決這些問題提供了一種便利的分析框架.本文主要對方差伽瑪過程下金融時序單位根檢驗以及協(xié)整模型做了貝葉斯分析.對模型參數給定先驗分布,推導各參數(向量)的滿條件后驗分布,并通過Gibbs抽樣的方法來判斷時間序列是否存在單位根以及非平穩(wěn)變量之間是否存在協(xié)整關系.最后對我國證券市場上的上證綜指和深圳成指進行實證分析,建立自回歸模型以及線性協(xié)整模型.借助MCMC仿真方法,利用貝葉斯方法對所建模型進行單位根檢驗和協(xié)整理論分析.實證結果表明:貝葉斯方法克服了方差伽瑪分布下的金融時間序列待估參數過多、統(tǒng)計量難確定和檢驗功效偏低的缺陷,有效地分析了金融資產數據的單位根檢驗問題和協(xié)整模型,發(fā)現(xiàn)上證綜指和深證成指之間具有長期均衡關系,并且兩者具有正向變動的趨勢.
【圖文】：

對稱方差伽瑪密度函數圖像(Q=1,9=0)

其中＜邋＝（Ｈｍｘ，邋－／ｉ）邋？當Ｌ邋｜時，多元偏方差伽瑪在ｘ，＝蘆處的概率密度函數逡逑是無邊界的，這是多元偏方差伽瑪分布的一個重要性質［４２１逡逑通過下面的四組圖形，，如圖２－５，我們來進一步了解參數對多元偏方差伽逡逑瑪分布圖形的影響．左側一列圖是等高線，右側一列為相應的二元方差伽瑪分布的密逡逑度函數三維圖像．各組圖形中參數設置：ａ組圖的參數為逡逑⑷（１邐０．４＾邐「０．２）逡逑，＊９＝邋ｑ邋１邋，々邋＝邋３；邋ｂ組圖中１邋＝邋０．６，其余參數與ａ圖相同；逡逑＾邋Ｖ－／邋ｙ邋ｖ／邋？邋Ｉ邐ｙ逡逑ｃ組圖中５邋＝邋（０．５，２／，其余參數與ａ圖相同；ｄ組圖中Ｅ的相關系數增加至０．８，其余逡逑參數與ａ圖相同．逡逑２ｐ邐邐邐邐邐邐邐邐邐邐邐邐邐邐邐邐邐邐逡逑：：保蓿誨義希玻保板危卞危插危插逡恢義希ǎ幔保┍曜嫉雀呦咤危ǎ幔玻┍曜跡硙煎義希保靛義

本文編號：2576779