连续时间SV模型估计及在金融风险分析中应用.docVIP

连续时间SV模型估计及在金融风险分析中应用 　　摘要：本文分析了由连续时间平方根随机波动模型确定的资产收益的无条件联合特征函数及统计特性。对连续时间SV模型，提出了基于经验特征函数的参数估计方法，这种估计方法既不需要对连续时间过程的离散化，也不需要取样路径的模拟，实施起来较简单。使用上海和深圳股市的指数日收益数据对经验特征函数方法在连续时间随机波动模型参数估计中的应用进行了实证分析，并证明了两个市场波动过程存在均值回复及连续时间随机波动模型拟合资产收益数据的优势。 　　关键词：连续时间SV模型；经验特征函数；参数估计；杠杆效应 　　文章编号：1003－4625（2008）09－0010－04中图分类号：F831.59文献标识码：A 　　Abstract: This article analytically obtained the unconditional joint characteristic function and statistic characters of asset return which determined by continuous time square-root stochastic volatility (SV) model. Parameter estimation method based on empirical characteristic function (ECF) was proposed to estimate continuous time SV model. This simple method requires neither discretization nor simulation. The estimation of continuous time square-root SV model using ECF method was illustrated, along with an empirical application using Shanghai and Shenzhen stock index data. The results suggest that there exist mean reversion in the volatility process of these two markets, and the advantages of fitting asset return data using continuous time SV model. 　　Key Words: Continuous Time Stochastic Volatility Model; Empirical Characteristic Function; Parameter Estimation; Leverage Effect 　　 　　一、引言 　　 　　在许多金融问题的研究中，常常用到连续随机波动模型。连续时间随机过程，特别是包含不可观测或潜在变量的连续时间随机过程，由于似然函数没有封闭形式表达式，所以用传统的极大似然方法对模型参数估计很难实现，因此人们不断寻找各种替代方法对随机波动（SV）模型进行估计。 　　由于不能得到观测值的连续样本，一般对连续时间SV模型进行参数估计时首先离散化模型，然后使用各种矩估计方法，如Chan，Karolyi，Longstaff，Sanders的广义矩方法(GMM)。在计量经济学和统计学文献中，新的估计方法大部分是基于模拟方法发展起来???,如Duffie,Singleton的模拟矩方法(SMM),以及Gallant,Tauchen的有效矩方法(EMM)。使用这些方法时基本上都需要离散化模型和模拟样本路径，实现这两步除了需要大量的计算外，还会把估计误差累加起来，因此可能产生较差的有限样本特性。 　　当模型的似然函数不好处理或没有封闭形式的表达式，它的傅立叶变换可能具有封闭形式表达式。经验特征函数方法可以解决似然函数没有封闭形式的时候的参数估计问题。该方法的基本原理是在特征函数和分布函数之间存在一一对应的关系，同样经验特征函数包含与经验分布函数一样多的信息。利用由模型获得的特征函数去匹配由数据获得的经验特征函数，就可以得到参数估计。 　　 　　二、经验特征函数方法的基本原理 　　 　　Parzen最早开始对经验特征函数方法进行研究，并按处理的是独立同分布过程还是相关平稳随机过程可分成两类。假设的累积分布函数是F(x;θ)，依赖于一个K维参数向量θ。特征函数的定义为： 　　c(r;θ)=E[exp(irX)]=exp(irx)dF(x;θ)（1） 　　而经验特征函数是特征函数的样本对应部分，其定义式为