文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 基于Gibbs抽样的贝叶斯随机波动模型分析
侵权投诉

基于Gibbs抽样的贝叶斯随机波动模型分析

随机波动性是经济金融时间序列中的一个普遍现象,它在金融风险管理研究中具有重要地位。通过分析随机波动模型的统计结构,推断了SV模型似然函数的具体形式,据此构造了模型参数的共轭先验分布;利用贝叶斯定理获得了相应的模型参数后验条件分布;同时,为了获得模型参数的贝叶

基于Gibbs抽样的贝叶斯随机波动模型分析1

朱慧明,赵锐,郝立亚

湖南大学统计学院,长沙(410079)

摘 要:随机波动性是经济金融时间序列中的一个普遍现象,它在金融风险管理研究中具有重要地位。通过分析随机波动模型的统计结构,推断了SV模型似然函数的具体形式,据此构造了模型参数的共轭先验分布;利用贝叶斯定理获得了相应的模型参数后验条件分布;同时,为了获得模型参数的贝叶斯估计及其置信区间,设计了基于Gibbs抽样的MCMC数值计算程序,并利用上海综合指数和深圳成份指数数据进行了建模实证分析。研究结果表明:贝叶斯方法是研究金融时间序列波动性问题的有效工具。

关键词:随机波动模型,贝叶斯分析,Gibbs抽样,MCMC模拟

中图分类号:F830.91,O212.8 文献标识码:A

波动性是金融市场的重要特征之一,它通过金融收益率的方差来测度。早期的金融理论认为金融收益率的方差恒定不变,但是这一假设越来越呈现不合理的方面。大量的实际数据表明:用来测度金融波动性的方差和协方差是随时间变化的,而且在方差变化过程中,幅度较大的变化后面往往跟随着幅度较大的变化,幅度较小的变化后面也往往跟着幅度较小的变化,这就是通常所说的波动聚集性(volatility clustering)。目前,研究波动聚集性现象的模型主要有两类:一类是由诺贝尔经济学奖获得者、美国著名的统计学家Engle于1982年在研究英国通货膨胀指数问题时提出的自回归条件异方差(Autoregression conditional heteroscedasticity variance)模型,简称ARCH模型;此后Bollerslev等学者将这一模型推衍成GARCH模型、LGARCH模型和GARCH—M模型[1-2]等。另一类模型是Taylor于1986年在解释金融收益序列波动的自回归行为时提出的随机波动模型(stochastic volatility model)

[3],简称SV模型;当然,SV模型的产生既有其数理金融的背景,也有其金融计量的根源。

与ARCH模型比较,SV模型提供了更加灵活与实际的金融时间序列建模方法,并在实践中获得广泛应用[4-6]。目前,SV模型的建模方法可以概括为两类,其一是矩估计法,如广义矩估计法、模拟矩估计法(simulation-based methods of moment)[7-8]等;其二是似然函数估计法,如Nelson和Ruiz的伪极大似然计估计法(quasi maximum likelihood method)[9],模拟极大似然估计法等。然而这些建模方法都是建立在频率统计理论基础之上,其基本前提条件是模型参数固定不变,这一观点与实际经济问题不相符的,因为经济环境是随着时间的推延而在不断变化的,经济现象不具有独立重复性,模型参数也会随着经济环境的变化而波动;因此,利用贝叶斯推断方法构建SV模型更科学,因为在贝叶斯理论体系中,模型参数也是随机变量;根据芝加哥大学统计学家Zellner[10]的观点,与频率统计方法比较,贝叶斯方法更适合经济现象的建模问题研究。本文拟在对SV模型的统计结构剖析的基础上,研究模型参数的贝叶斯分析方法,并进行实证研究。

1. SV模型的统计结构

Taylor在解释金融收益序列波动的自回归行为时提出了SV模型,其基本形式如下:

yt=exp(θt/2)ut,t=1,2,L,n (1)

其中{y1,y2,L,yn}为收益序列,u1,u2,L,un相互独立同标准正态分布N(0,1),并且序列本课题得到教育部新世纪优秀人才支持计划项目(NECT050704)、教育部人文社会科学研究规划项目(06JA910001)、湖南省自然科学基金项目(05JJ30130)和湖南大学985工程项目的资助。

1

第1页

你可能喜欢

  • MCMC方法
  • 蒙特卡罗算法
  • 算法报告
  • 软件应用
  • 模型研究
  • 贝叶斯推断
  • 贝叶斯估计
  • 概率论数理统计公式

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email