世界黄金价格波动特征的研究.docVIP

世界黄金价格波动特征的研究 　　摘要：文章使用半参数随机波动率模型（SPM），对2003年1月1日至2017年8月10日期间世界黄金价格波动特征进行了实证分析。模型拟合检验结论表明，SPM模型能够很好地拟合世界黄金价格波动过程当中存在的尖峰厚尾性、波动聚集性和非对称性等金融数据特征。采用基于贝叶斯的MCMC方法对模型进行参数估计，通过进一步与SV-N和SV-T模型对比分析，结果显示SPM对于世界黄金价格波动特征刻画要明显优于SV-N和SV-T模型。 　　关键词：黄金期货；半参数随机波动率模型；MCMC 一、引言 　　黄金是同时具有商品、货币以及投资属性的一种特殊商品，可用于资产储备和投资增值。自2002年上海黄金交易所成立以来，我国黄金市场逐步市场化，与世界接轨，为投资者与投资机构提供了良好的平台。目前黄金期货市场交易量和交易额持续增多，起到了很好的风险发散作用。黄金不仅具有商品属性，还具有金融属性，其波动性不仅影响人民生活稳定还影响金融稳定，其市场健康发展对于国家金融系统稳定非常重要，所以对黄金期货市场的科学研究是刻不容缓的。 　　目前，对黄金期货收益率波动特征的研究并不多见。陈杨林等（2008）应用GARCH与SV-T模型对世界黄金价格的走势与波动性进行分析，实证结果表明SV-T模型对世界黄金价格走势的拟合与预测均优于GARCH模型；Jonathan 等人（2010）选取美国黄金期货1999～ 2005年高频样本作为分析数据，采用 GARCH 模型和 Garman Klass 统计值相结合的方式，探讨了该市场日内波动结构；王兆才（2012）研究表明两状态MRS-GARCH（1，1）模型的拟合和预测效果均优于单状态的GARCH模型；孙赵晖（2015）利用SV类模型，以2009年以来的上海黄金交易市场的收益率数据为代表，分析结果认为我国黄金市场波动持续性强且具有尖峰厚尾性，其中Leverage-SV模型拟合效果相对较优；苏理云等（2017）针对黄金市场呈现的波动持续性等特征，建立SV-POT的组合模型，较为精确地预测了该金融市场的动态Var。 　　在SV模型中，贝叶斯非参数化方法是一个全新的研究领域，Eleni-Ioanna Delatola等提出了一种基于贝叶斯分析方法的半参数SV模型（SPM），并通过数值模拟验证了该模型较传统SV类模型的优越性，该类完全放弃对观测方程的随机误差项的参数假设，考虑一个半参数的SV模型，在这种模型中，收益的分布是非参数化的，相比于参数分布能够更好地描述金融资产收益特性，并能够提高收益和风险价值的预测精度。 　　本文的主要贡献是首次尝试在半参数随机波动（Semiparametric Stochastic Volatility，SPM）模型框架内来考察世界黄金价格波动过程的动态特征。选取2003年1月1日至2017年8月10日期间世界黄金期货市场收盘价为原始数据，利用SPM、SV-N、SV-T模型进行实证研究，使用MCMC方法进行参数估计，以期能够较为精确地掌握世界黄金期货市场的波动特征。 二、模型及MCMC估计方法 　　（一）SV-N模型 　　Taylor等提出了SV模型，SV类模型在波动过程中引入了一个新的随机过程，相较于GARCH族模型，其对收益率的拟合能力更强，且对波动率具有更好的拟合效果和预测能力。 　　标准的SV模型如下： 　　yt=exp（ht/2）εt，εt～i，i，dN（0，1），t= 1，2，…，n（1） 　　其中，ht表示第t日的收益率的对数波动率，而yt则代表第t日的收益率，误差项εt和ηt相互独立，ηt为波动的扰动水平，独立同分布于正态分布，εt独立同分布N（0，1）。φ为持续性参数，反映的是当前波动对未来波动的持续影响，当|？?J|1，SV是协方差平稳的。 　　（二）SV-T模型 　　因为多数金融时间序列的无条件分布与标准正态分布相比，会呈现出尖峰厚尾的特征，这就导致SV-N模型对于描述金融时间序列有一定的局限性。许多学者尝试对SV模型进行改进，Chib等对标准SV模型中观测方程的随机误差项设定为具有厚尾特征的分布如t分布、GED 分布等，Liesenfeld R and Jung RC提出了SV-T模型，并发现该模型可以更好的刻画金融数据尖峰厚尾分布特征。 　　SV-T模型如下： 　　yt=exp（ht/2）εt，εt～i，i，dt（0，1，v），t= 1，2，…，n（2） 　　ht+1=u+φ（ht-u）+ηt，ηt～i，i，dN（0，δη），t= 1，2，…，n 　　f（εt）=[（v-2）]■■1+■■ 　　?c标准SV模型最主要的区别在于SV-T中令误差项，并以此来刻画厚尾特征。（2）中第三个式子是用来描述金融数据“尖峰