基于SV模型的高效快速MCMC方法研究.pdfVIP

摘要 摘 要 随机波动率 （SV）模型是金融时间序列研究领域的重要模型，能够较好地刻画波动 率的时变性特征。由于SV模型的似然函数的复杂性，我们一般使用基于贝叶斯框架下 的MCMC方法对其进行研究，MCMC方法在其参数估计方面具有较好的准确度和精确度， 但MCMC方法是基于马尔科夫链平稳收敛的性质而实现的，这就需要大量时间耗费在潜 变量的抽样中，因此目前的MCMC方法存在抽样速度缓慢和效率较低的问题。 为了提高基于SV模型的MCMC方法的速度，我们针对SV模型以及MCMC方法的特点 对模型的参数估计方案进行改进。通过结合高斯线性状态空间理论、MMP算法和多元高 斯M-H抽样算法，解决了目标参数的抽样问题，由此提出了基于SV模型的快速MCMC方 法 （FMCMC算法）。为了进一步提高模型的估计效率，在FMCMC算法的基础上，利用中 心参数化SVC模型和非中心参数化SVNC模型的两种FMCMC算法，结合交织策略（ASIS） 进行交织抽样，提出了高效快速的FMA-2算法。 在数值模拟中，研究结果表明FMCMC算法能够准确和快速地完成SV模型的参数估 计。而将FMCMC算法与ASIS策略结合后提出