非线性混合效应模型及其在金融风险中的应用

发布时间：2017-07-29 02:02

  本文关键词：非线性混合效应模型及其在金融风险中的应用

  更多相关文章： 随机波动率模型 非线性混合效应模型 状态估计 参数估计

【摘要】：金融市场研究的一个核心问题就是波动性,波动率模型广泛应用于股票、外汇、利率等各种金融资产建模中,因此研究波动率模型在金融中的应用有着重要的意义。波动率建模是金融学的核心问题之一,而多变量波动率建模及其统计推断是其中的难点,也得到了广泛的关注。本文基于状态空间模型,研究多变量随机波动率模型的统计推断问题,其中包括参数估计问题以及波动率预测。为了估计随机波动率模型的参数,采用蒙特卡洛最大似然法。基本随机波动率模型可以表示成带有服从ln(χ_1~2)分布的扰动的线性状态空间模型。似然函数可以分解成一个高斯部分和一个余数的函数来任意精确近似,其中高斯部分由卡尔曼滤波构造,而余项期望是通过仿真进行评估。利用极大似然估计法估计高斯部分的未知参数,该参数近似认为是随机波动率模型的参数。由于多维随机波动率模型变换的线性状态空间模型也是多维的,其参数多且较难估计,为此本文对模型参数进行分层建模,将模型变换成混合效应状态空间模型,然后采用EM算法,先得到EM算法迭代的显示表达式,再通过数值模拟估计其近似高斯部分的未知参数值。对于波动率的预测,在个体随机效应未知的情况下,通过混合卡尔曼滤波、基于Metropolis滑动的混合卡尔曼滤波和基于核光滑的混合卡尔曼滤波这三种滤波算法,对状态进行估计,同时也估计出了个体的参数。最后对上述统计推断方法进行了数值分析。对参数估计算法的仿真结果表明,EM算法可以很好地估计参数,且观测数据越多,参数估计的越准确;对状态估计的仿真结果表明,混合卡尔曼滤波算法时间最短但估计效果最差,Metropolis滑动的混合卡尔曼滤波算法效果最好但时间太长,而核光滑的混合卡尔曼滤波算法估计效果很好而且时间很短,综合考虑是最优的。最后将随机波动率模型应用到股票波动率预测问题中,验证了所给模型的有效性。
【关键词】：随机波动率模型 非线性混合效应模型 状态估计 参数估计
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F224;F830.91
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 符号对照表10-11
• 缩略语对照表11-14
• 第一章 绪论14-18
• 1.1 研究背景14-16
• 1.2 本文的主要工作及章节安排16-18
• 1.2.1 主要工作16-17
• 1.2.2 章节安排17-18
• 第二章 基本的模型及相关理论18-28
• 2.1 随机波动模型(SV)18-20
• 2.2 状态空间模型20-22
• 2.2.1 状态空间模型的一般形式20
• 2.2.2 混合效应状态空间模型20-22
• 2.3 EM算法22
• 2.4 滤波算法22-28
• 2.4.1 卡尔曼滤波算法22-24
• 2.4.2 扩展卡尔曼滤波算法24-28
• 第三章 非线性混合效应模型的参数估计28-36
• 3.1 蒙特卡罗似然法28-29
• 3.2 参数估计29-36
• 3.2.1 EM算法原理30
• 3.2.2 基于EM算法和滤波光滑的参数估计30-36
• 第四章 状态估计36-42
• 4.1 状态估计理论36-38
• 4.2 混合卡尔曼滤波算法(PMKF)38-39
• 4.3 Metropolis滑动的混合卡尔曼滤波算法(MKF-MM)39-40
• 4.4 核光滑的混合卡尔曼滤波算法(MKF-KS)40-42
• 第五章 数值分析42-52
• 5.1 EM算法仿真模拟42-43
• 5.2 状态估计仿真模拟43-45
• 5.3 随机波动率模型在金融中的应用45-52
• 第六章 总结与展望52-54
• 6.1 本文总结52-53
• 6.2 研究展望53-54
• 参考文献54-58
• 致谢58-60
• 作者简介60-61

【相似文献】

中国期刊全文数据库 前10条

1 毛舜华;;一种连续随机波动模型参数估计的新算法[J];深圳职业技术学院学报;2007年01期

2 张敏强;魏宇;黄登仕;;基于随机波动的资本市场混沌行为研究[J];统计与决策;2007年22期

3 邵锡栋;黄性芳;殷炼乾;;多变量随机波动率模型及在中国股市的应用[J];统计与决策;2008年18期

4 黄波;顾孟迪;李湛;;偏正态随机波动模型及其实证检验[J];管理科学学报;2010年02期

5 卢素;刘金山;;随机波动模型的参数估计方法[J];佛山科学技术学院学报(自然科学版);2011年01期

6 周造武;;随机波动模型下对标普指数的实证分析[J];中国商贸;2014年07期

7 李汉东,张世英;随机波动模型的持续性和协同持续性研究[J];系统工程学报;2002年04期

8 朱勇生,张世英;平行数据随机波动建模及应用研究[J];管理学报;2005年05期

9 蒋祥林;王春峰;;基于贝叶斯原理的随机波动率模型分析及其应用[J];系统工程;2005年10期

10 郭培栋;陈启宏;;随机波动率下信用风险定价模型的比较分析[J];统计与决策;2012年23期

中国重要会议论文全文数据库 前6条

1 张宁;倪宏艳;;需求随机波动下的局部竞争与合作分析——厂商背叛行为的判定[A];管理科学与系统科学研究新进展——第6届全国青年管理科学与系统科学学术会议暨中国科协第4届青年学术年会卫星会议论文集[C];2001年

2 李汉东;张世英;;随机波动模型的波动持续性研究[A];Systems Engineering, Systems Science and Complexity Research--Proceeding of 11th Annual Conference of Systems Engineering Society of China[C];2000年

3 宋国青;;周期正在消失[A];2012年夏季CMRC中国经济观察（总第30期）[C];2012年

4 徐俊武;罗毅丹;;过剩产能能否抑制通货膨胀?——基于包含随机波动的TVP模型考察[A];2009年全国博士生学术会议论文集[C];2009年

5 孙有发;张国亚;丁露涛;;基于Stretching和高阶紧的Heston随机波动模型下美式期权有限差分定价格式[A];中国系统工程学会第十八届学术年会论文集——A10系统工程方法在金融、投资、保险业等领域的研究[C];2014年

6 于红香;刘小茂;;SV-M模型下VaR和ES估计的极值方法[A];2003中国现场统计研究会第十一届学术年会论文集（上）[C];2003年

中国博士学位论文全文数据库 前6条

1 马研生;随机波动率模型中的金融衍生品定价问题[D];吉林大学;2012年

2 谢乐;一类局部随机波动率模型的期权定价研究[D];浙江大学;2012年

3 郑挺国;基于有限混合状态空间的金融随机波动模型及应用研究[D];吉林大学;2009年

4 孟利锋;随机波动模型及其建模方法研究[D];天津大学;2004年

5 陈萍;随机波动率模型的统计推断及其衍生证券的定价[D];南京理工大学;2004年

6 施秋红;带跳的随机波动率模型下的期权定价研究[D];南京理工大学;2014年

中国硕士学位论文全文数据库 前10条

1 江易芝;基于随机波动模型的股市收益和波动模拟[D];长春工业大学;2015年

2 马松;一类非自治随机波动方程拉回吸引子的存在性[D];辽宁师范大学;2015年

3 王舒;一类随机波动率模型的统计推断[D];吉林大学;2016年

4 廖蒸;基于MCMC方法对带跳随机波动模型的研究[D];中央民族大学;2016年

5 伍捷;随机波动模型簇及波动率预测方法研究[D];华南理工大学;2016年

6 张鹏飞;方差互换在随机波动率模型下的解析定价[D];北京工业大学;2016年

7 陈紫薇;基于Heston随机波动模型的上证50ETF期权定价与对冲研究[D];大连理工大学;2016年

8 任印涛;非线性混合效应模型及其在金融风险中的应用[D];西安电子科技大学;2015年

9 钟卓;函数参数随机波动模型[D];厦门大学;2008年

10 严卫星;随机波动模型下的非交易日效应研究[D];南京理工大学;2008年

，

本文编号：586957