带有Markov状态转换Heston模型的Bayes估计

发布时间：2017-11-30 08:13

  本文关键词：带有Markov状态转换Heston模型的Bayes估计

  更多相关文章： Heston模型 Markov-Switching模型 MCMC算法 MCQMC算法

【摘要】：在Black-Scholes模型的研究过程中,Heston(1993)提出的随机波动Heston模型,能有效地表现出资产价格变化中波动率的长期变化趋势。同时Hamilton于1989年提出状态转换模型Markov-Switching模型,用来描述不同经济时期经济现象的周期性变化过程中数学模型参数的相应改变,引起了相当一部分研究者的兴趣。本文将两者结合起来组成MS-Heston模型,利用两种模型的不同特点来更好的模拟资产价格的随机波动。本文将时间序列研究中的Markov-Switching模型引入随机波动率方程的研究中,对现有的Heston模型中加入Markov-Switching模型的情形进行了简单的讨论。同时描述了对MS-Heston模型中的参数进行估计的MCMC方法,由Gibbs抽样方法和Metropolis-Hastings算法两部分组合而成。并对随机抽样中使用Monte Carlo方法与Quasi-Monte Carlo方法的两种情况下的结果进行了比较。本文对于提出的MS-Heston模型进行了过程的模拟并且进行了参数的估计。从模拟结果中证实MCMC算法MS-Heston模型的参数估计方面都是比较精确且有效率的。使用QMC方法能有效的降低估计值的离散程度,对一般的MCMC算法有明显的改善效果。
【学位授予单位】：清华大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F224

【相似文献】

中国期刊全文数据库 前1条

1 常浩;;Heston随机波动率模型下的动态投资组合[J];经济数学;2013年02期

中国硕士学位论文全文数据库 前1条

1 施云川;带有Markov状态转换Heston模型的Bayes估计[D];清华大学;2015年

，

本文编号：1238617