方差伽玛过程下金融计量单位根和协整模型的贝叶斯分析
发布时间：2020-02-06 02:12
【摘要】：计量经济模型是研究金融时间序列动态问题的最常见的方法.但计量模型通常以平稳时间序列为假设基础,因此,在实际数据分析的过程中就需要对时间序列进行单位根检验.单位根检验是检验时间序列数据平稳性的重要工具,而协整检验则是用来检验非平稳多变量之间是否存在长期均衡关系的有效方法.对于金融资产数据,已有文献大多假设其分布为正态分布或者t分布,然而,真实的金融资产数据常展现出“尖峰厚尾”的特性,正态分布或t分布并不能很好地刻画这些特性.相比之下,方差伽玛分布通过引进适合的参数能更准确地刻画这类数据.但是,方差伽玛分布的引入使得经典单位根检验和协整检验变得更加艰难,特别是在小样本条件下,存在检验功效偏低,模型待估参数过多,检验统计量难以确定等问题.贝叶斯方法为解决这些问题提供了一种便利的分析框架.本文主要对方差伽玛过程下金融时序单位根检验以及协整模型做了贝叶斯分析.对模型参数给定先验分布,推导各参数(向量)的满条件后验分布,并通过Gibbs抽样的方法来判断时间序列是否存在单位根以及非平稳变量之间是否存在协整关系.最后对我国证券市场上的上证综指和深圳成指进行实证分析,建立自回归模型以及线性协整模型.借助MCMC仿真方法,利用贝叶斯方法对所建模型进行单位根检验和协整理论分析.实证结果表明:贝叶斯方法克服了方差伽玛分布下的金融时间序列待估参数过多、统计量难确定和检验功效偏低的缺陷,有效地分析了金融资产数据的单位根检验问题和协整模型,发现上证综指和深证成指之间具有长期均衡关系,并且两者具有正向变动的趋势.
【图文】：
对称方差伽玛密度函数图像(Q=1,9=0)
其中＜邋＝（Ｈｍｘ，邋－／ｉ）邋？当Ｌ邋｜时，多元偏方差伽玛在ｘ，＝芦处的概率密度函数逡逑是无边界的，这是多元偏方差伽玛分布的一个重要性质［４２１逡逑通过下面的四组图形，，如图２－５，我们来进一步了解参数对多元偏方差伽逡逑玛分布图形的影响．左侧一列图是等高线，右侧一列为相应的二元方差伽玛分布的密逡逑度函数三维图像．各组图形中参数设置：ａ组图的参数为逡逑⑷（１逦０．４＾逦「０．２）逡逑，＊９＝邋ｑ邋１邋，々邋＝邋３；邋ｂ组图中１邋＝邋０．６，其余参数与ａ图相同；逡逑＾邋Ｖ－／邋ｙ邋ｖ／邋？邋Ｉ逦ｙ逡逑ｃ组图中５邋＝邋（０．５，２／，其余参数与ａ图相同；ｄ组图中Ｅ的相关系数增加至０．８，其余逡逑参数与ａ图相同．逡逑２ｐ逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逡逑：：保蓿诲义希玻保板危卞危插危插逡恢义希ǎ幔保┍曜嫉雀呦咤危ǎ幔玻┍曜迹硙煎义希保靛义
本文编号：2576779
【图文】：
对称方差伽玛密度函数图像(Q=1,9=0)
其中＜邋＝（Ｈｍｘ，邋－／ｉ）邋？当Ｌ邋｜时，多元偏方差伽玛在ｘ，＝芦处的概率密度函数逡逑是无边界的，这是多元偏方差伽玛分布的一个重要性质［４２１逡逑通过下面的四组图形，，如图２－５，我们来进一步了解参数对多元偏方差伽逡逑玛分布图形的影响．左侧一列图是等高线，右侧一列为相应的二元方差伽玛分布的密逡逑度函数三维图像．各组图形中参数设置：ａ组图的参数为逡逑⑷（１逦０．４＾逦「０．２）逡逑，＊９＝邋ｑ邋１邋，々邋＝邋３；邋ｂ组图中１邋＝邋０．６，其余参数与ａ图相同；逡逑＾邋Ｖ－／邋ｙ邋ｖ／邋？邋Ｉ逦ｙ逡逑ｃ组图中５邋＝邋（０．５，２／，其余参数与ａ图相同；ｄ组图中Ｅ的相关系数增加至０．８，其余逡逑参数与ａ图相同．逡逑２ｐ逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逦逡逑：：保蓿诲义希玻保板危卞危插危插逡恢义希ǎ幔保┍曜嫉雀呦咤危ǎ幔玻┍曜迹硙煎义希保靛义
本文编号：2576779
本文链接：https://www.wllwen.com/kejilunwen/yysx/2576779.html
