基于傅立叶级数的半参数CAViaR模型的贝叶斯分析-重庆工商大学.PDFVIP

第３２卷第１１期 重庆工商大学学报（自然科学版） ２０１５年１１月 Ｖｏｌ．３２　 ＮＯ．１１　 　 　 　 　 　 　 　 Ｊ Ｃｈｏｎｇｑｉｎｇ Ｔｅｃｈｎｏｌ Ｂｕｓｉｎｅｓｓ Ｕｎｉｖ（Ｎａｔ Ｓｃｉ Ｅｄ）　 　 　 　 　 　 　 　 Ｎｏｖ．２０１５ － ｄｏｉ：１０．１６０５５／ ｊ．ｉｓｓｎ．１６７２ ０５８Ｘ．２０１５．００１１．００３ 基于傅立叶级数的半参数ＣＡＶｉａＲ模型的贝叶斯分析∗ １ ２ 曾惠芳 ，熊培银 （１．湖南科技大学 商学院，湖南 湘潭４１１２０１；２．湖南科技大学 信息与电气工程学院，湖南 湘潭４１１２０１） 　 　 摘　 要：针对金融市场复杂性及不确定性，为了更灵活地测度金融市场的波动风险，提出了一类半参数 ＣＡＶｉａＲ模型，利用傅立叶级数拟合前一期信息对当前ＶａＲ风险值的非线性影响，选择合适的先验分布，基 于非对称Ｌａｐｌａｃｅ分布构建了相应的似然函数，推导了参数的后验分布，从而实现了对ＣＡＶｉａＲ模型的贝叶 斯推断；最后利用贝叶斯ＣＡＶｉａＲ模型研究了上海综合指数的风险波动特征，结果发现上证综指的风险波动 存在自回归性． 关键词：贝叶斯分析；傅立叶级数；半参数方法；ＣＡＶｉａＲ模型 － － － 中图分类号：Ｆ２２４．９；Ｏ２１２　 　 　 文献标志码：Ａ　 　 　 文章编号：１６７２ ０５８Ｘ（２０１５）１１ ００００ ０５ 随着经济全球化及投资自由化，全球范围内，汇率、利率、股票价格和商品价格高度波动，呈现不断加剧 的趋势．这些基础市场价格因子的高度波动，直接反映为金融市场风险的不断增大．自２０世纪９０年代以来， 国际金融市场经历了一些重大的结构性变化，对金融市场风险产生了更为深远且深刻的影响．它们大大增加 了金融市场和工具的关联度、复杂性、不确定性和波动性，使得金融市场风险上升，结构成分复杂，难以测量 分析． 由于金融资产价格行为的复杂性，度量金融风险的方法越来越多，其中利用分位回归方法度量金融风 险是目前研究的热点．分位回归方法不对金融时间序列的分布做任何假设，为有效地度量金融风险提供了一 种灵活的方法．Ｔａｙｌｏｒ（１９９９）提出利用分位回归模型估计多期风险值的情形，并研究德国马克、英镑与日元汇 率，发现分位回归模型用于估计多期风险值有良好的表现；Ｅｎｇｌｅ 和Ｍａｎｇａｎｅｌｌｉ（２００４）提出了非线性动态 ＶａＲ模型（ＣＡＶｉａＲ），ＣＡＶｉａＲ模型只描述条件分布尾部的行为，不受异常点的影响；刘新华，黄大山（２００５） 采用Ｈａｎｓｅｎ检验方法讨论了中国股市风险ＣＡＶｉａＲ建模的稳定性问题；张颖和孙和风（２０１２）提出了一类包 含信息不对称性的ＧＪＲ⁃ＣＡＶｉａＲ模型，并把它应用于刻画中美股票市场风险的差异；闫昌荣（２０１２）提出了一 类流动性调整ＣＡＶｉａＲ模型，并计算了资产未来经过流动性调整的风险ＶａＲ；王新宇等（２０１０）考虑到金融资 产收益与正负收益对分位数冲击的不对称性，建立含有不对称绝对值和斜率设定的ＡＡＶＳ⁃ＣＡＶｉａＲ模型，对 １９９６⁃２００８年期间沪深港股票指数进行了实证研究；王新宇等（２０１３）提出了带有结构变点的条件分位数自 回归模型，利用非对称拉普拉斯分布实现了模型的贝叶斯推断．此处将基于傅立叶级数构建一类半参数 ＣＡＶｉａＲ模型，并实现对模型的贝叶斯推断，最后把贝叶斯ＣＡＶｉａＲ模型应用于中国股票市场的风险测度，发 现中国股票市场的ＶａＲ风险存在自相关性．