基于贝叶斯广义双曲线分布ASV模型的股市波动特性研究

发布时间：2017-04-01 08:10

  本文关键词：基于贝叶斯广义双曲线分布ASV模型的股市波动特性研究，由笔耕文化传播整理发布。

【摘要】：波动性是股票市场永恒的主题,宏观政策变迁、金融危机、油价变动等重大事件性冲击常对股票市场产生巨大影响。股票市场的波动往往呈现出聚集性、尖峰厚尾性以及“杠杆效应”等特性,近年来,研究表明股票市场的波动也会呈现出偏态性。在现代金融理论研究中,如果未能充分考虑波动可能呈现出的任何一种特性,就容易使估算结果产生偏差。在保证数据平稳的前提下,传统随机波动模型关于样本间的正态性假设难以成立,因此针对现有金融时序建模难以捕捉收益率多重波动特性以及无效推断的问题,本文设置收益率的条件分布服从广义双曲线分布,利用贝叶斯技术,构建基于广义双曲线分布的金融非对称随机波动模型,用于刻画全球主要股票市场中金融资产收益率分布呈现的多重波动特性,探究系统环境中的重大冲击对波动的影响。本文采用从基础性理论到模型构建再到实证研究的思路进行研究。首先,对随机波动模型,广义双曲线分布,股市波动特性以及参数估计方法等内容进行回顾；其次,通过设置收益率的条件分布服从广义双曲线分布,对参数空间进行数据扩张,构建基于广义双曲线分布的金融非对称随机波动模型,利用贝叶斯理论对模型参数进行统计推断并设计MCMC抽样算法；最后,以2005年至2015年美国、日本、英国与中国香港股市的标准普尔500指数、日经225指数、英国富时100指数与恒生指数为研究对象,运用构建的模型来研究股票市场的波动特性,探究系统环境中的重大冲击对股票市场波动的影响,并采用DIC准则对ASV-ST模型、ASV-T模型与ASV-N模型进行对比分析。研究结果表明：美国、日本、英国与中国香港股票市场的波动均呈现出聚集性、尖峰厚尾性、“杠杆效应”等特性,且中国香港股票市场的日收益率分布是右偏的,美国、日本、英国股票市场的日收益率分布则是左偏,中国香港股票市场的对数波动平均水平的绝对值与波动率指标均为最大,表明中国作为新兴资本市场的重要组成部分,其市场波动受到外界信息的反应比成熟的美国、日本以及英国股票市场要大；其次,美国、日本、英国与中国香港股票市场在2008年与2011年两个时段表现出强烈的波动,这表明系统环境中的重大冲击如金融危机、油价震荡等会对股票市场波动产生巨大影响；最后,参数的动态迭代轨迹、G-R收敛诊断与核密度估计曲线验证了贝叶斯广义双曲线ASV模型的合理、有效性。
【关键词】：波动性 随机波动 贝叶斯分析 广义双曲线分布 偏态
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F831.51
【目录】：

• 摘要5-6
• Abstract6-12
• 第1章 绪论12-21
• 1.1 研究背景与意义12-14
• 1.1.1 研究背景12-13
• 1.1.2 意义13-14
• 1.2 文献综述14-18
• 1.2.1 基于随机波动模型的研究14-16
• 1.2.2 基于广义双曲线分布的研究16-17
• 1.2.3 基于股市波动性的研究17-18
• 1.3 研究思路与研究内容18-21
• 1.3.1 研究思路18-20
• 1.3.2 研究内容20-21
• 第2章 股票市场波动与随机波动模型分析21-35
• 2.1 股票市场波动相关界定21-24
• 2.1.1 波动的一般含义21
• 2.1.2 波动的度量方法21-22
• 2.1.3 波动的主要特性22-24
• 2.2 随机波动模型24-31
• 2.2.1 模型结构分析24-25
• 2.2.2 统计性质分析25-27
• 2.2.3 随机波动模型的扩展27-31
• 2.3 随机波动模型的参数估计方法31-35
• 2.3.1 广义矩估计31-32
• 2.3.2 伪极大似然估计32
• 2.3.3 蒙特卡罗似然估计32-33
• 2.3.4 MCMC估计33-35
• 第3章 贝叶斯广义双曲线分布ASV模型的构建及估计35-46
• 3.1 贝叶斯广义双曲线分布ASV模型的构建35-38
• 3.1.1 非对称随机波动模型(ASV)35-36
• 3.1.2 广义双曲线分布(GH)36-37
• 3.1.3 广义双曲线分布ASV模型37-38
• 3.2 基于广义双曲线分布ASV模型的贝叶斯估计38-44
• 3.2.1 模型的状态空间转换38
• 3.2.2 贝叶斯推断38-42
• 3.2.3 MCMC抽样算法设计42-43
• 3.2.4 Monto Carlo参数估计43-44
• 3.3 MCMC抽样的有效性检验44-45
• 3.3.1 G-R收敛性诊断44
• 3.3.2 MC均值标准误44-45
• 3.4 贝叶斯模型比较45-46
• 第4章 实证研究46-59
• 4.1 数据及统计分析46-51
• 4.1.1 数据选取46-47
• 4.1.2 统计特征47-51
• 4.1.3 平稳性检验51
• 4.2 模型与参数估计51-56
• 4.2.1 先验设置52
• 4.2.2 收敛性诊断52-55
• 4.2.3 参数估计55-56
• 4.3 结果分析56-59
• 4.3.1 股市波动特性分析56-57
• 4.3.2 模型比较分析57-59
• 结论59-61
• 参考文献61-67
• 致谢67-68
• 附录A 攻读学位期间所发表的论文68

【相似文献】

中国期刊全文数据库 前4条

1 王世谦;田春筝;黄景慧;;基于数理统计的短期风速预测修正方法[J];电气技术;2013年11期

2 王琴英;;北京房价与CPI的波动特性分析及趋势预测——基于协整关系的GARCH族模型分析[J];价格理论与实践;2011年07期

3 唐璐;魏凌艳;;沪市行业指数波动特性研究[J];商场现代化;2008年11期

4 ;[J];;年期

中国重要会议论文全文数据库 前2条

1 韩旭;刘桂荣;;复合材料中波动特性的数值模拟[A];中国力学学会学术大会'2005论文摘要集（下）[C];2005年

2 辛锋先;卢天健;陈常青;;金属正交加筋三明治板的波动特性研究[A];中国力学学会学术大会'2009论文摘要集[C];2009年

中国硕士学位论文全文数据库 前4条

1 徐雅琴;基于贝叶斯广义双曲线分布ASV模型的股市波动特性研究[D];湖南大学;2016年

2 余蓓;液体连续相撞击流强化传递过程的波动特性[D];武汉工程大学;2015年

3 唐璐;中国股票市场行业指数波动特性研究[D];西南交通大学;2008年

4 尹飞;自然风的波动特性对室内温度的影响研究[D];湖南大学;2014年

  本文关键词：基于贝叶斯广义双曲线分布ASV模型的股市波动特性研究，由笔耕文化传播整理发布。

，

本文编号：280286