马尔科夫转换-GARCH模型的MCMC参数估计和方法研究

发布时间：2017-06-22 10:03

  本文关键词：马尔科夫转换-GARCH模型的MCMC参数估计和方法研究，由笔耕文化传播整理发布。

【摘要】：金融数据存在着尖峰厚尾、波动聚集性以及杠杆效应等重要统计特征。ARCH模型、GARCH类模型以及衍生的GARCH类模型能很好的刻画这些特征。然而,随着全球经济一体化,金融市场总是不断变换,使得金融时间序列在不同时期可能呈现出不同的波动状态,金融市场波动就可能存在结构突变,因此对波动率的变结构建模是很有必要的。传统的GARCH模型由于单结构、参数固定,不能反映该结构变化,使得波动的描述和预测不够准确。Hamilton年提出Markov Switching模型(MS模型),为金融数据的变结构建模提供了新的思路和方法。为了更好地描述金融时间序列波动普遍存在的结构突变问题,本文在单一状态GARCH模型的基础上引入Markov状态转换模型,建立的马尔科夫转换GARCH模型,将波动划分为高、低两种波动状态,使得各个状态机制对应的GARCH模型拥有不同的参数结构,状态的转移服从马尔科夫过程。由于模型存在路径依赖问题,极大似然估计不可行。本文从贝叶斯观点出发,利用MCMC(Markov chain Monte Carlo)模拟的Gibbs抽样方法对模型进行参数估计,有效避免了路径依赖问题。然后,本文实证分析是以上证综指为研究对象,分析我国股票市场的波动性,结果表明我国股票市场确实存在变结构特点,两状态的MS-GARCH模型优于单一状态的GARCH模型,前者不仅能更好地捕捉到股票的波动特性,而且能更真实反映市场发展规律。
【关键词】：GARCH模型 马尔科夫转换模型 MS-GARCH模型 MCMC
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.51;F224
【目录】：

• 中文摘要3-4
• 英文摘要4-7
• 1 绪论7-12
• 1.1 课题研究背景和意义7-8
• 1.2 国内外文献综述8-10
• 1.2.1 国外研究现状8-10
• 1.2.2 国内研究现状10
• 1.3 本文研究内容、方法、难点以及创新10-12
• 1.3.1 研究内容10-11
• 1.3.2 研究方法11
• 1.3.3 难点以及创新11-12
• 2 基本理论知识12-20
• 2.1 预备知识12-15
• 2.1.1 波动性特征12
• 2.1.2 ARCH模型12-13
• 2.1.3 GARCH模型13-15
• 2.2 马尔科夫转换-GARCH模型15-20
• 2.2.1 马尔科夫转换模型16-17
• 2.2.2 马尔科夫转换-GARCH模型17-20
• 3 MCMC方法20-24
• 3.1 MCMC的基本原理20-24
• 3.1.1 Metropolis-Hastings抽样21-22
• 3.1.2 Gibbs抽样22-24
• 4 MS-GARCH模型的参数估计24-28
• 4.1 两状态的MS-GARCH模型分析24-25
• 4.2 MS-GARCH的MCMC估计25-28
• 5 实证分析28-42
• 5.1 数据的基本特征28-33
• 5.1.1 数据的统计特征28-29
• 5.1.2 样本数据的统计检验29-31
• 5.1.3 单位根检验31
• 5.1.4 ARCH效应检验31-32
• 5.1.5 模型结构转换检验32-33
• 5.1.6 模型评价准则33
• 5.2 模型的参数估计和解释33-42
• 5.2.0 模型参数收敛诊断34
• 5.2.1 模型实证结果34-37
• 5.2.2 结构转换模型实证结果37-42
• 6 结论与展望42-43
• 6.1 结论42
• 6.2 不足之处和展望42-43
• 致谢43-44
• 参考文献44-47
• 附录47

【相似文献】

中国期刊全文数据库 前10条

1 李俪巧,陈智高;转移成本与竞争的简单模型分析[J];企业经济;2002年10期

2 白玲;王歆;;服务创新的四纬度模型对我国金融服务创新的启示[J];商场现代化;2007年31期

3 李超;;企业增长的3C模型分析[J];中国中小企业;2011年08期

4 蔡e，

本文编号：471417