波動性是金融市場中投資組合、資本資產(chǎn)定價和風險管理等理論的核心變量,是金融市場研究的一個核心問題。由于現(xiàn)有金融資產(chǎn)價格及其波動率模型存在諸多不足,難以擬合金融市場具有突發(fā)事件的跳躍行為,隨著模型的復雜性加強,參數(shù)估計給模型的實際應用帶來很大的限制。因此,尋求合適的模型合適的方法來研究金融資產(chǎn)序列的波動率具有十分重要的意義。目前,用來描述金融時間序列波動性的模型主要有兩種,一種是自回歸條件異方差模型（ARCH）,另一種是隨機波動模型（SV）,但不同的是,隨機波動模型中的方差由一個不可觀測的隨機過程決定,更能擬合金融時間序列的尖峰厚尾性、長記憶性等特點,更適合金融領(lǐng)域的實際研究。另外受突發(fā)事件影響,金融時序還具有跳躍運動的特點,而基本的隨機波動模型無法刻畫收益率序列中的跳躍運動。因此,本文將跳躍行為作為隨機事件與SV模型相結(jié)合,構(gòu)建SV-Jump模型,它既能夠很好地解決資產(chǎn)時序的尖峰厚尾,也能夠解決時序具有的跳躍效應。但SV-Jump模型屬于高維復雜的非線性模型,傳統(tǒng)的梯度算法估計模型參數(shù)時會帶來很大的不便。而且在隨機波動模型中聯(lián)合后驗分布是高維的,狀態(tài)變量波動率是隱含的和不可觀察的,且一... 

【文章來源】：上海師范大學上海市

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【部分圖文】：

y的時間序列圖

上海師范大學碩士學位論文第三章SV-Jump模型的貝葉斯估計33較為穩(wěn)定。而且根據(jù)95%置信區(qū)間的指示結(jié)果來看，每一個變量的真值都在其內(nèi)部，說明模型擬合也達到要求。為了使作圖清楚簡便，本文中使用alpha代表，beta代表，phi代表，tau2代表2，k代表k，jmean代表j，jsigma2代表2j。圖3.2各參數(shù)的抽樣值圖圖3.2顯示了每一個變量的抽樣結(jié)果。通過上圖可知，除了2的抽樣值變動較大，其余變量的抽樣值它們的變動幅度都在一定范圍的區(qū)間內(nèi)上下變動，說明

各參

【參考文獻】：
期刊論文
[1]基于ARCH（q）模型的高頻股票交易數(shù)據(jù)分析[J]. 楊凱,馬育欣,張欣然,陳雪妮,田源,王曉紅.  吉林師范大學學報(自然科學版). 2019(02)
[2]GARCH模型控制圖的構(gòu)造與應用[J]. 劉曉華.  統(tǒng)計與決策. 2019(07)
[3]基于MCMC的SV模型分鐘高頻股指波動率研究[J]. 張艷慧,鄭宇軒,曹顯兵.  數(shù)學的實踐與認識. 2019(06)
[4]經(jīng)濟不確定性是股市波動的因子嗎?——基于GARCH-MIDAS模型的分析[J]. 夏婷,聞岳春.  中國管理科學. 2018(12)
[5]基于GARCH-VaR模型的外匯風險度量方法的統(tǒng)計比較[J]. 申利.  統(tǒng)計與決策. 2018(21)
[6]基于擬似然方法的股票收益與波動率關(guān)系及其應用研究[J]. 林金官,郝紅霞,汪紅霞.  統(tǒng)計研究. 2018(05)
[7]我國雞蛋期貨價格波動特征及其影響因素研究——基于ARCH類模型的分析[J]. 凌正華.  價格理論與實踐. 2018(02)
[8]半?yún)?shù)門限隨機波動率模型及其實證研究[J]. 馮從威,胡支軍.  貴州大學學報(自然科學版). 2018(01)
[9]調(diào)和穩(wěn)定Lévy過程驅(qū)動的雙重跳躍模型及期權(quán)應用[J]. 宮曉莉,莊新田.  系統(tǒng)管理學報. 2017(06)
[10]上證50指數(shù)波動率影響因素研究[J]. 陳健,范天騰.  西安工業(yè)大學學報. 2017(06)

碩士論文
[1]基于貝葉斯MCMC算法的股指VaR實證研究[D]. 李睿.哈爾濱工業(yè)大學 2018
[2]基于MCMC方法的SV模型的貝葉斯估計及實證分析[D]. 趙行為.中國礦業(yè)大學 2017
[3]基于GARCH-Jump模型下滬深300股指波動率的MCMC方法研究[D]. 林榮吉.廣西師范大學 2015
[4]基于MCMC貝葉斯方法的隨機波動率模型實證研究[D]. 于冉春.上海師范大學 2014
[5]基于貝葉斯分析的厚尾和杠桿SV模型對中國股市的研究[D]. 劉志丹.南京理工大學 2009



本文編號：3613372