分类筛选
分类筛选:

关于贝叶斯论文范文资料 与基于贝叶斯MSSV—ST金融波动模型股市特征机制转移性有关论文参考文献

版权:原创标记原创 主题:贝叶斯范文 科目:毕业论文 2024-02-11

《基于贝叶斯MSSV—ST金融波动模型股市特征机制转移性》:本文关于贝叶斯论文范文,可以做为相关论文参考文献,与写作提纲思路参考。

摘 要:针对有偏厚尾金融随机波动模型难以刻画参数的动态时变性及结构突变的问题,设置偏态参数服从Markov转换过程,采用贝叶斯方法,构建带机制转移的有偏厚尾金融随机波动模型,考量股市不同波动状态间的机制转移性,捕捉股市间多重波动特性.通过设置先验分布,实现模型的贝叶斯推断,设计相应的马尔科夫链蒙特卡洛算法进行估计,并利用上证指数进行实证.结果表明:模型不仅刻画了股市的尖峰厚尾、杠杆效应等特性,发现收益率条件分布的偏度参数具有动态时变性,股市波动呈现出显著的机制转移特性,而且证实了若模型考虑波动的不同阶段性状态后,将降低持续性参数向上偏倚幅度的结论.

关键词: 机制转移;贝叶斯估计;金融波动;偏态;厚尾

中图分类号:F224文献标识码:A文章编号:1003-7217(2015)02-0040-06

一、引言

波动率作为金融市场测度的重要指标,无论是对刻画金融资产分布的形态特征,还是对投资组合、期权定价和风险管理等问题都具有十分重要的现实指导意义.因此,如何对金融市场的波动率建模日益成为金融经济学领域研究的热点问题之一.SV模型作为模拟波动率建模的经典模型之一,已被广泛地应用于刻画时变方差、尖峰厚尾及突变跳跃行为等特征,如何建敏[1]利用带协变量的跳跃SV模型研究发现社保基金具有跳跃性,且跳跃概率较高.近年来,诸多研究也表明资产收益分布存在有偏性,即厚尾分布的非对称性.Chen和Liu[2]利用厚尾门限波动模型对HIS和Nikkei225收益率进行建模,研究发现这两大亚洲股票市场的收益分布均呈现出有偏性和尖峰厚尾性.然而,已有研究对波动性建模存在两个不足点:(1)波动持续性参数估计值过高;(2)未能考虑外生冲击导致的模型结构突变问题.Lamoureux和Lastrapes[3]研究指出:若忽视外生重大偶发事件导致的模型结构变化问题,则会导致持续性参数向上偏倚等估计偏差.现有文献中对于收益率序列的研究大都从静态角度进行建模,然而,由于现实状态中各国经济状况的动态性和市场竞争者敏感度的差异,收益率分布的偏态可能具有动态时变性.Harvey和Siddique[4]在股市收益率分布中考虑条件偏态情况,在GARCH模型中构建偏度参数服从一阶自回归过程,结果表明美国、德国和日本股市的偏态参数确实存在动态时变行为.因此,在建模过程中,如果忽视突发大事件、政策等外在冲击带来的结构突变影响,则可能会导致模型参数估计的系统性偏差及推断无效问题,并降低波动模型对收益率时序数据的拟合度.

自Hamilton首次针对美国季度GNP波动呈现出的非线性动态性及非对称特征提出马尔科夫机制转移模型(Markov Switching Model,M )以来,它有效地解决了传统波动性建模未能考虑市场冲击、国家政策等外界干扰因素带来的结构性突变问题,进而成为捕捉市场事件或经济力量突变性行为的有利工具.如Lam[5]在波动截距项中嵌入Markov跳跃因子构建区制转换波动模型(MSSV);李想[6]通过Gibbs抽样并利用持续期依赖MS模型对上证股市泡沫情况进行研究,结果表明股市呈现出显著的持续期依赖性;欧阳红兵[7]通过在多元DCC-GARCH模型中引入隐Markov链,分析次贷危机和欧债危机环境下SZ、FTSE、HS、NIKK和SP500五个证券市场间的传染性和机制转移性.可见,股市波动存在显著的结构突变,呈现出差异化的波动状态过程,MS模型非常适合对结构突变问题进行建模,从而考察模型参数的动态时变性.

目前,机制转移波动模型的参数估计方法主要有广义矩估计(GMM)、近似滤波的伪极大似然法(QML)及多步移动(multi-move)MCMC方法等.由于MCMC算法将Markov过程嵌入Monte Carlo模拟当中,既克服了传统方法“高维性”的缺陷,又实现了其动态性.同时,Yu[8]等人研究表明:MCMC方法估计的参数精度优于GMM和QML算法.因此,本文利用多步移动MCMC算法对潜在状态变量进行分块抽取,成块更新,以解决抽样序列间高相关性和Markov Chain收敛缓慢的难题.

财经理论和实践(双月刊)2015年第2期2015年第2期(总第194期)朱慧明,徐雅琴等:基于贝叶斯MSSV-ST金融波动模型的股市特征及机制转移性研究

二、贝叶斯MSSV-ST波动模型的构建

(一)波动模型结构分析

SV模型的各类扩展形式已被广泛地应用于数量经济学领域,其中,带“杠杆效应”的随机波动模型的数学表达式为:

其中εtωt~IIDN00,1ρτρττ2,变量y-1:T等于(y1,y2,等,yT)′和潜在状态θ-1:T等于(θ1,θ2,等,θT)′分别为资产t时刻可观测到的零均值化收益和服从高斯AR(1)过程的对数波动,方程分别称为测度方程和波动方程;设置模型初始值θ0等于α,ω0~N(0,τ2/(1-φ2));为保证潜在波动是协方差平稳的一个过程,波动持续性参数需满足|φ|<1;若ρ=corr(εt,ωt)<0,则意味着同样强度大小的利空消息要比利好消息引发的波动更大,上述模型并未能反映金融资产收益率呈现出的厚尾和有偏特征,从而削弱了模型的拟合性.Barndorff[9]提出广义双曲线分布(GH),随后,高勇标[10]将GH分布应用到证券市场中,并采用VaR、ES和Omega三个指标进行风险度量和尾部特征分析.具体地,定义R为一个服从GH分布的变量,其形式为:

R等于u+βK+KZ,Z~N(0,1) (2)

此处,变量K服从参数为λ,δ,γ的广义逆高斯分布即:K~GIG(λ,δ,γ),K和变量R相互独立,K的密度函数形式为:

其中Kλ(z)为第二类修正的Bessel函数,γ等于(α2-β2)0.5,u称为位置参数,尺度参数δ减小,则fz(·)函数的峰度值增大,形态参数α越小,则分布函数尾部形态越薄,有偏参数β越大,则收益分布的偏态越显著.令λ等于-0.5v,δ等于v,γ等于0,即可得到Omori[11]提出的GH偏态t分布,测度方程中的随机变量εt用GH分布的变量xt表示为:

贝叶斯论文参考资料:

罗密欧和朱丽叶论文

俄狄浦斯王论文

小福尔摩斯杂志

结论:基于贝叶斯MSSV—ST金融波动模型股市特征机制转移性为适合贝叶斯论文写作的大学硕士及相关本科毕业论文,相关贝叶斯统计开题报告范文和学术职称论文参考文献下载。

和你相关的