GARCH模型的贝叶斯局部影响分析及其应用

发布时间：2021-02-11 19:33

　　广义自回归条件异方差（GARCH）模型能够很好地刻画金融资产收益二阶矩的相依关系,因此在金融时间序列中受到了广泛的应用。在GARCH模型的框架下,本文利用贝叶斯局部影响分析来评价先验、个体观测和样本分布的微小扰动的影响,利用扰动模型来刻画不同类型的扰动形式。我们构建了扰动模型的贝叶斯扰动形式,计算其几何量来表征扰动模型的内部结构。基于几个目标函数,本文利用几个不同的局部影响测量来量化不同扰动的程度。数值模拟研究验证了所提方法的有限样本表现。对纽约证券交易所综合指数（NYSE）和标准普尔500指数的GARCH建模说明了所提方法在实例研究中的有效性。 

【文章来源】：数理统计与管理. 2019,38(04)北大核心CSSCI

【文章页数】：17 页

【部分图文】：

图３義两种扰动形式和ｓｌ种样本量下，儀断向量債随着扰动大小Ｗ而变化的散点图，对？方法１来斑，数??据和先验扰动，Ｔ?＝?５００；?（ｂ）数据和先验扰动，Ｔ?＝?１０００５?（ｃ）数据和先验扰动ｒ?＝?ＩＷＱｉ?（ｄ）模型和先验??扰动，ｒ?＝?５００ｔ闲模型和先验扰动，ｒ?＝?１０００；：?模型和先验扰动，Ｔ?＝让肌对方法２：綠徵，〔ａ）＊?（ｂ）??和（ｅ）是数据扰动下的结果；（ｄ），?（ｅ）和（ｆ】楚模型扰动下时结栗４方法２、結匕、５１％和对ｃ？＊ｒ的结果分??

６１０??数理统计与管理??第３８卷第４期２０１９年７月??（ｂ）??０．５??ｔｚＭＪ??０．４－??｜?０．３－??ｂ??ｉ〇．２－??〇??０．１－??２００?３００??Ｎｕｍｂｅｒ??４００?５００??（ｅ）??°ｏ??ＩｚｚｆｆｉＪ??３５０??２００??ｐｒｉｏｒ?？??２００?３００?４００?５００??Ｎｕｍｂｅｒ??（ｃ）?（ｆ）??图ｉ?ＧＡＲＣＨ模型中对数据和先验同肘扰动下ｉｒ三种贝叶斯局部影响测量散点图??例１为了减少描述的复杂度，此处我们考虑ＧＡＲＣＨ模型的一个有代表性的简单模型??ＧＡＲＣＨ（１，１）模型：??｛?Ｖｔ?＝?＾?＋?＼／ｈｔ?ｅｔ，??＼?ｈｔ?＝?ａ〇＋ａｉ－?（ｙｔ－ｉ?－?ｆｉ）２?＋?６ｉ?？?ｈｔ－ｉ，??ｆ＝ｌ，２，．．．，ｒｓ?其中?ａ〇＞０，?ａｉ＞０，?ＣＨ＋ｈＣｌ，且假设?？ＡＴ（０，１），??假设数据集｛汍：＊?＝?１，２，…，ｒ｝暴从ＧＡＲＣＨ（１，１）模型中产生出来的，模型中的参数??是通过拟合纽约证券交易综合指数的连续珉合日收益数据而得到的估计值，详细的描述参见??３．１?１Ｌ本次模拟实验中，令Ｔ?＝?５００，１０００，１５００。为了简单，此处只显示ｒ?＝?５００的结果，而??ｔ?＝?１０００和ｒ?＝?１５００的结果并不进行显沄，但是他们呈现的结暴層ｒ?＝?５００是类似的，为了??制造有影响的观测值，将２／ｔ在ｆ?＝?２００，?３５０处的值更改为识＋?５％，其中％是观测时间序列??ｙ的标准误。??利用ＧＡＲＣＨ（１，１）模型拟合以上得到的模拟数据，然后利用ＭＣＭＣ抽样方法来进行贞叶??斯局部影响分析。在模

【参考文献】：
期刊论文
[1]基于高频数据的非平稳GARCH（1,1）模型的拟极大指数似然估计[J]. 吴思鑫,冯牧,张虎,陈敏.  中国科学:数学. 2018(03)
[2]基于QR-t-GARCH（1,1）模型沪深指数收益率风险度量的研究[J]. 刘亭,赵月旭.  数理统计与管理. 2018(03)
[3]基于混频已实现GARCH模型的波动预测与VaR度量[J]. 于孝建,王秀花.  统计研究. 2018(01)



本文编号：3029598