基于贝叶斯跳跃厚尾随机波动模型的中国股市波动性研究-管理科学与工程专业论文.docxVIP

基于贝叶斯跳跃厚尾随机波动模型的中国股市波动性研究摘 基于贝叶斯跳跃厚尾随机波动模型的中国股市波动性研究 摘 要 波动性是金融市场最为重要的特征之一，它是资本资产定价、风险管理和投 资组合理论的核心变量。通常，用来描述金融时间序列波动性的模型主要有两类， 一类是ARCH模型，此类模型中的条件方差为过去的观测值和误差的平方项的线 性形式；另一类是随机波动模型，与ARCH类模型不同，随机波动模型中的方差 由一个不可观测的随机过程决定，所以它被认为更加适合金融领域的实际研究。 然而随机波动模型也有着自己的缺陷，即不能刻画金融市场中突发的大幅度波动 特征(跳跃特征)，并且这类型的波动又是实际存在的。因此，本文提出了贝叶斯跳 跃厚尾随机波动模型，用来刻画金融时间序列的跳跃特征。 首先，对跳跃厚尾随机波动模型进行结构分析，再通过对模型的状态空间转换 以及模型参数的贝叶斯推断，设计了模型参数估计的MCMC抽样算法，利用卡尔 曼滤波和高斯模拟平滑方法估计模型的潜在波动。然后使用高斯核密度估计方法 估计模型参数的后验密度函数值，并据此设计了计算跳跃厚尾随机波动模型边缘 似然函数的核密度算法，从而解决了贝叶斯因子的计算问题。最后，选择上证综 合指数作为研究对象，以分析中国股市的波动特征，并与美国股市的波动特征进 行比较，同时，运用贝叶斯因子对跳跃厚尾随机波动模型、厚尾随机波动模型以 及标准随机波动模型进行比较分析。 研究结果表明：金融危机背景下的中国和美国股市都具有明显的波动持续性 和跳跃特征，且中国股市的跳跃发生频率和波动水平都要高于美国股市，但是跳 跃幅度却小于美国股市。在刻画中、美两国股市的波动特征方面，跳跃厚尾随机 波动模型要明显优于厚尾随机波动模型和标准随机波动模型，而厚尾随机波动模 型又要比标准随机波动模型好。 关键词：状态空间；卡尔曼滤波；跳跃过程；贝叶斯因子：股市波动 Ⅱ 硕士学位论文Abstract 硕士学位论文 Abstract Volatility iS one of the most important features in financial markets．which iS the core variable of the capital asset pricing，risk management and portfolio theory． Typically,there are mainly two categories used to describe the volatility of financial time series．One category is ARCH(autoregressiVe conditional heteroscedasticity) model，in which the conditional variance is the linear form of the past obervations and the squared error．The other is stochastic volatility model，in which the variance is decided by an unobserved stochastic process，which is different from ARCH，SO stochastic volatility is considered more suitable for the empirical study of the financal sector．However,stochastic volatility model has its own flaws，namely which cannnot describe the unexpected financial fluctuations features which is called j ump features， and this type of volatility is real in practice．Therefore，this paper proposes the Bayesian heavy-tailed stochastic volatility models with j umps to describe the j umps characteristics in financial time series． First，in terms of the structural ananlysis of the heavy·tailed stochastic volatility model with jumps，their state space tra