多变量随机波动率模型及在中国股市的应用研究.pdf

多变量随机波动率模型及在中国股市的应用 多变量随机波动率模型及在中国股市的应用1 邵锡栋1黄性芳2殷炼乾1 (1．西安交通大学金禾经济研究中心西安710049 2．西安交通大学理学院西安710049) 【摘要】本文在一维随机波动率(SV)模型基础上，通过扩展，建立了多个多变量随机波 动率(MSV)模型首次将MSV模型大规模应用于中国沪深两市指数周收益率数据利用MCMC 方法进行模型估计，选用DIC准则进行模型比较，得出扣合程度最好的MSV模型。结果显示， 加入波动率单边Granger因果关系的MSVGt．AR(1)模型对沪深两市的拟合能力最好． 关键词 多变量随机波动率模型；MCMC；DIC MultivariateStochastic Modelswith to Volatility Application ChineseStockMarkets Sha01 Yinl Xi—Dong Xing—FangHuang‘Lian-Qian Abstraet：Somemultivariatestochastic aremodeledinextensiontothe volatilityfMsv)models all univariateSVmodel．Thisis initial tofitthesemodelstothe returndataof application weekly andShenzhenstoelindices．AfterestimationviaMCMC mode】 Shanghai and parameters techniques viaDIC．themost MSVmodelis resulmshowthatthe comparison adequate found．Empirical 1modelwithunilateral in isthebestmodelfor datain MSVGt-AR(1 Grangercausalityvolatility fitting Chinesestockmarkets． words：MSV Key model；MCMC：DIC； 一、 引 言 资产收益率的方差随着时间的变化而变化，并保持高度的持续性．描述这种波动行为特征的一 是随机波动率模型(sv)，最早出现在期权定价的理论金融文献申(H 类模型和SV模型是两类占统治地位的处理波动率的方法，大量文献表明，SV模型相对ARCH类模 型有较大的优势(Shephard(1996)和Kim等(1998))． 金融市场的波动通常都是多种资产一起变化造成的，并且在资产定价、风险管理和组合分析等 很多金融领域都需要对多个变量进行研究．多变量ARCH模型(MARCH)引起了较大的关注 XChib等(2005) 量的过程关于多变量随机波动率模型(MSV)的文献则比较有限(Harvey等(1994 和Yu等(2006))． GMM(Andersen