随机波动模型参数估计方法研究
发布时间:2021-01-14 18:37
金融时间序列的波动性是其一个很重要的特征,它反映了金融市场的风险,所以人们总是格外关注它。而许多学者把风险度量这个问题聚焦在波动的估计和预测上。为了解决这个问题,学者们提出了两类基本的模型:自回归条件异方差模型和随机波动模型。这两种方法首先能比较好地描述波动随时间变化的特征,然后还可以比较精确地定量计算波动率,所以被广泛应用。但是相比之下,随机波动模型的限制较少,能描述的波动性更广泛,也更优秀,不过其参数估计也更复杂,所以当时没有流行起来。随着计算机技术的提高,计算量大的问题也得到了解决,随机波动模型又开始被人们使用起来了。随机波动模型(Stochastic volatility model),本文简写为SV模型。由于SV模型没有闭合的解析式,所以其参数估计不能用经典的矩估计或者极大似然函数法,因此国内外学者提出了很多新的估计方法。本文重点讨论了马尔可夫链蒙特卡洛(MCMC)方法和经验特征函数这两种各具特点的随机波动模型的参数估计方法,这两种方法各有优缺点。马尔科夫链蒙特卡洛方法的估计模型预测精度更高,但是计算量大,效率低;经验特征函数方法估计出的模型预测精度稍低,但是计算量小,效率高...
【文章来源】:江西财经大学江西省
【文章页数】:61 页
【学位级别】:硕士
【部分图文】:
网络级联结构
1)(1,()1,(1)(),()(),()kKjkjnjkKjkjnjnx ttx ttd (3-31)由 Mallat 算法的信号分解中相同的证明,我们可以得到1,100(2)(),()(),()jkjnknnktttth (3-32)1,101(2)(),()(),()jkjnknnktttth (3-33)所以 KjnkkKjnkkjnxhxhd()1(2)()0(2)(1)()1()0(2)(2)jkKjkK g n kx gn kd(3-34)(3-34)式反映了相邻两级的反演关系,其中(j)nx是第 j 级的离散平滑信号,(j)nd是第 j 级的离散细节信号;(j -1)nx 是由 和 重建得到的第 j-1 级离散平滑信号。这里0 10 0kg (k)= (t), (t) ,1 10 0kg (k)= (t), (t) 。其中0g (k)、1g (k)与前面的0h (k)、1h (k)一样,为重建系数。图 3.2 为信号重建的网络结构。
第四章 SV 模型参数估计方法比较实证研究4.1 数据选取与处理本文实证部分选用的数据是上证综指的收益率数据,首先选择上证综指从2011 年 11 月 3 日到 2017 年 12 月 31 日的 1500 个交易日的收盘价,用ln()1001 tttPPR 表示收益率序列,tP 是第 t 个交易日的收盘价,tR 是收益率序列。然后对收益率序列进行消除均值修正: [(1/)]1 Tttttr RTR,tr 是修正后的序列。tr 的序列图如图 4.1 所示,而其主要统计特征如下表 4-1:表 4-1 日收益率统计参数统计参数 参数值样本量 1500标准偏差 0.6193
【参考文献】:
期刊论文
[1]随机波动模型参数估计的新算法及其在上海股市的实证[J]. 刘凤芹,吴喜之. 系统工程理论与实践. 2006(04)
[2]SV模型参数估计的经验特征函数方法[J]. 孟利锋,张世英,何信. 系统工程. 2004(12)
[3]随机波动模型估计及在金融风险防范中的应用[J]. 苏卫东,张世英. 天津大学学报. 2002(03)
博士论文
[1]随机波动模型及其建模方法研究[D]. 孟利锋.天津大学 2004
[2]中国股票市场价格波动的理论与实证研究[D]. 黄大海.天津大学 2004
本文编号:2977333
【文章来源】:江西财经大学江西省
【文章页数】:61 页
【学位级别】:硕士
【部分图文】:
网络级联结构
1)(1,()1,(1)(),()(),()kKjkjnjkKjkjnjnx ttx ttd (3-31)由 Mallat 算法的信号分解中相同的证明,我们可以得到1,100(2)(),()(),()jkjnknnktttth (3-32)1,101(2)(),()(),()jkjnknnktttth (3-33)所以 KjnkkKjnkkjnxhxhd()1(2)()0(2)(1)()1()0(2)(2)jkKjkK g n kx gn kd(3-34)(3-34)式反映了相邻两级的反演关系,其中(j)nx是第 j 级的离散平滑信号,(j)nd是第 j 级的离散细节信号;(j -1)nx 是由 和 重建得到的第 j-1 级离散平滑信号。这里0 10 0kg (k)= (t), (t) ,1 10 0kg (k)= (t), (t) 。其中0g (k)、1g (k)与前面的0h (k)、1h (k)一样,为重建系数。图 3.2 为信号重建的网络结构。
第四章 SV 模型参数估计方法比较实证研究4.1 数据选取与处理本文实证部分选用的数据是上证综指的收益率数据,首先选择上证综指从2011 年 11 月 3 日到 2017 年 12 月 31 日的 1500 个交易日的收盘价,用ln()1001 tttPPR 表示收益率序列,tP 是第 t 个交易日的收盘价,tR 是收益率序列。然后对收益率序列进行消除均值修正: [(1/)]1 Tttttr RTR,tr 是修正后的序列。tr 的序列图如图 4.1 所示,而其主要统计特征如下表 4-1:表 4-1 日收益率统计参数统计参数 参数值样本量 1500标准偏差 0.6193
【参考文献】:
期刊论文
[1]随机波动模型参数估计的新算法及其在上海股市的实证[J]. 刘凤芹,吴喜之. 系统工程理论与实践. 2006(04)
[2]SV模型参数估计的经验特征函数方法[J]. 孟利锋,张世英,何信. 系统工程. 2004(12)
[3]随机波动模型估计及在金融风险防范中的应用[J]. 苏卫东,张世英. 天津大学学报. 2002(03)
博士论文
[1]随机波动模型及其建模方法研究[D]. 孟利锋.天津大学 2004
[2]中国股票市场价格波动的理论与实证研究[D]. 黄大海.天津大学 2004
本文编号:2977333
本文链接:https://www.wllwen.com/jingjilunwen/jingjiguanlilunwen/2977333.html