SV-Jump模型的贝叶斯参数估计方法研究及应用

发布时间：2022-01-28 00:43

　　波动性是金融市场中投资组合、资本资产定价和风险管理等理论的核心变量,是金融市场研究的一个核心问题。由于现有金融资产价格及其波动率模型存在诸多不足,难以拟合金融市场具有突发事件的跳跃行为,随着模型的复杂性加强,参数估计给模型的实际应用带来很大的限制。因此,寻求合适的模型合适的方法来研究金融资产序列的波动率具有十分重要的意义。目前,用来描述金融时间序列波动性的模型主要有两种,一种是自回归条件异方差模型（ARCH）,另一种是随机波动模型（SV）,但不同的是,随机波动模型中的方差由一个不可观测的随机过程决定,更能拟合金融时间序列的尖峰厚尾性、长记忆性等特点,更适合金融领域的实际研究。另外受突发事件影响,金融时序还具有跳跃运动的特点,而基本的随机波动模型无法刻画收益率序列中的跳跃运动。因此,本文将跳跃行为作为随机事件与SV模型相结合,构建SV-Jump模型,它既能够很好地解决资产时序的尖峰厚尾,也能够解决时序具有的跳跃效应。但SV-Jump模型属于高维复杂的非线性模型,传统的梯度算法估计模型参数时会带来很大的不便。而且在随机波动模型中联合后验分布是高维的,状态变量波动率是隐含的和不可观察的,且一... 

【文章来源】：上海师范大学上海市

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

y的时间序列图

上海师范大学硕士学位论文第三章SV-Jump模型的贝叶斯估计33较为稳定。而且根据95%置信区间的指示结果来看，每一个变量的真值都在其内部，说明模型拟合也达到要求。为了使作图清楚简便，本文中使用alpha代表，beta代表，phi代表，tau2代表2，k代表k，jmean代表j，jsigma2代表2j。图3.2各参数的抽样值图图3.2显示了每一个变量的抽样结果。通过上图可知，除了2的抽样值变动较大，其余变量的抽样值它们的变动幅度都在一定范围的区间内上下变动，说明

各参

【参考文献】：
期刊论文
[1]基于ARCH（q）模型的高频股票交易数据分析[J]. 杨凯,马育欣,张欣然,陈雪妮,田源,王晓红.  吉林师范大学学报(自然科学版). 2019(02)
[2]GARCH模型控制图的构造与应用[J]. 刘晓华.  统计与决策. 2019(07)
[3]基于MCMC的SV模型分钟高频股指波动率研究[J]. 张艳慧,郑宇轩,曹显兵.  数学的实践与认识. 2019(06)
[4]经济不确定性是股市波动的因子吗?——基于GARCH-MIDAS模型的分析[J]. 夏婷,闻岳春.  中国管理科学. 2018(12)
[5]基于GARCH-VaR模型的外汇风险度量方法的统计比较[J]. 申利.  统计与决策. 2018(21)
[6]基于拟似然方法的股票收益与波动率关系及其应用研究[J]. 林金官,郝红霞,汪红霞.  统计研究. 2018(05)
[7]我国鸡蛋期货价格波动特征及其影响因素研究——基于ARCH类模型的分析[J]. 凌正华.  价格理论与实践. 2018(02)
[8]半参数门限随机波动率模型及其实证研究[J]. 冯从威,胡支军.  贵州大学学报(自然科学版). 2018(01)
[9]调和稳定Lévy过程驱动的双重跳跃模型及期权应用[J]. 宫晓莉,庄新田.  系统管理学报. 2017(06)
[10]上证50指数波动率影响因素研究[J]. 陈健,范天腾.  西安工业大学学报. 2017(06)

硕士论文
[1]基于贝叶斯MCMC算法的股指VaR实证研究[D]. 李睿.哈尔滨工业大学 2018
[2]基于MCMC方法的SV模型的贝叶斯估计及实证分析[D]. 赵行为.中国矿业大学 2017
[3]基于GARCH-Jump模型下沪深300股指波动率的MCMC方法研究[D]. 林荣吉.广西师范大学 2015
[4]基于MCMC贝叶斯方法的随机波动率模型实证研究[D]. 于冉春.上海师范大学 2014
[5]基于贝叶斯分析的厚尾和杠杆SV模型对中国股市的研究[D]. 刘志丹.南京理工大学 2009



本文编号：3613372