基于贝叶斯分析的厚尾和杠杆SV模型对中国股市的研究

发布时间：2021-05-18 13:37

　　金融时间序列存在着普遍的波动性现象,而波动性是许多有关金融市场研究的一个核心问题。随机波动率族模型是一类很好的描述波动性的模型。以往文献常用基本随机波动率模型描述我国股市价格序列的波动性,其结果往往并不令人满意,一方面,金融时间序列的无条件分布与异方差模型相对于标准正态分布的假设相比,会呈现出较大的峰度和更厚的尾部;另一方面,资产收益率与波动率存在相关性。为克服上述缺陷,本文利用厚尾SV模型和杠杆SV模型对我国股市的波动性进行分析研究。由于MCMC（Markov Chain Merto Carlo）方法在解决SV模型中的高维分布参数估计以及求解似然函数和后验分布都更加有效,因此本文利用MCMC方法估计模型中的参数。首先,根据贝叶斯理论对SV族模型中的基本SV模型,厚尾SV模型（SV-T模型）,杠杆SV模型进行贝叶斯分析,计算出每个模型中参数的后验分布密度函数,然后,以上证综指和深证成指的指数序列作为样本值,构造基于Gibbs抽样和Metropolis-Hastings抽样的MCMC方法过程,利用matlab软件计算出各模型中的参数值。在得到参数的估计值后,本文对上海股市和深证股市的波动... 

【文章来源】：南京理工大学江苏省 211工程院校

【文章页数】：45 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 问题的背景
    1.2 国内外研究现状
    1.3 本文研究内容及创新点
2 预备知识
    2.1 与波动率有关的几个概念
    2.2 随机波动率模型
        2.2.1 基本SV模型及其统计性质
        2.2.2 扩展SV模型
    2.3 MCMC方法
3 SV模型的贝叶斯推断
    3.1 基本SV模型的贝叶斯推断
        3.1.1 先验分布假设
        3.1.2 参数后验分布密度函数及MCMC抽样
    3.2 厚尾SV模型的贝叶斯推断
        3.2.1 先验分布假设
        3.2.2 后验分布密度函数
    3.3 杠杆SV模型的贝叶斯推断
        3.3.1 先验分布假设
        3.3.2 后验分布密度函数
4 实证分析
    4.1 数据的选取
    4.2 数据特征分析
        4.2.1 收益率序列的基本统计分析
        4.2.2 异方差性检验
    4.3 SV族模型的实证分析
        4.3.1 基本SV模型的实证结果分析
        4.3.Z SV-T模型的实证结果分析
        4.3.3 杠杆SV模型的实证结果分析
        4.3.4 SV族模型的模拟结果比较分析
5 总结
致谢
参考文献


【参考文献】：
期刊论文
[1]扩展SV模型及其在深圳股票市场的应用[J]. 白崑,张世英.  系统工程. 2001(06)



本文编号：3193888