市场随机波动的农业经济论文.docVIP

市场随机波动的农业经济论文 1SV模型族及参数的条件分布分析 1.1标准随机波动的SV模型SV-N模型由Taylor提出，指的是标准SV模型，背景就是为了解释自回归行为，其具体表达形式。 1.2厚尾随机波动模型厚尾现象是指在金融时间序列中的某种情况，无条件密度分布是异方差模型中的变量一个显著特点，但正态分布则不同，异方差模型有很大很厚的尾部。通常情况下服从正态分布是SV模型的εt和日收益率的一个特点。本文对现有模型中的部分假设条件进行约束松驰即可以得到多种分析模型。尖峰厚尾表示的是收益序列，根据以上分析，本文着重研究实际应用案例中具有尖峰厚尾的收益序列。t分布表示SV模型的分布，又称作为SV-T模型。 1.3均值随机波动模型在Engle，Lilien和Robins提出的ARCH-M模型基础上可以得到均值SV模型简称SV-M模型，本文在SV-M模型中考虑到了风险补偿，此模型在Koopman得到了推广应用。根据SV-M模型的扰动项不同就可以得到多种不同形式的SV-M模型，以下章节主要介绍SV-MN模型和SV-MT模型。 1.4SV模型的杠杆效应在没有考虑到所谓的“杠杆效应”，假设εt和ηt是相互独立的误差，若令误差项εt和ηt具有一定的相关性，严格上讲是负相关性。与基本SV模型相比，LeverageSV模型与SV模型的杠杆效应是相同的，它有一个额外的相关系数ρ，其杠杆效应的SV模型。 2蒙特卡罗方法实证与分析 2.1数据选取与分析以2005年1月4日至2013年9月26日的数据为准，选用农业相关的股市信息的日收盘价进行具体分析，数据合计2108个，全部数据来源于搜狐经济，以此来分析农业相关股市信息的随机波动对农业经济的影响。求解日收益序列时。由此可知，所表示的正态分布的峰度为3，偏度为0。厚尾分布的峰度值大于3，，特别情况下的峰度甚无限大，且峰度的右偏分布曲线大于0。另外，判断序列正态性的检验方法是Jarque-Bera值的差别通过正态序列与比较序列的峰度和偏度得到的。在此，针对上证指数的日收益序列，我们利用eviews软件对其进行分析可以得到两者之间的差异。意外的发现股票收益率的平均值基本等于零，原因为对样本的数据标准化处理过程中偏度可为负值或正值，若是正值，右侧均值要比左侧的均值大。其峰值的偏斜说明分布为不平衡分布。峰度比正态分布的峰度要大三倍以上，说明收益率分布具有尖峰厚尾的特征。且随日收益序列的JB得到的伴随概率等于零，这也说明峰值的分布与正态分布是有差别的。所以，对厚尾性的检验可根据下图进行分析（图1）得到。由图1知，放在图形上通过描绘分布理论分位数，此描绘分布理论的过程属于统计图形技术。且分析数据符合所划定的分布会呈现出一条直线的形式。由1（b）图知，厚尾特征明显，不管是损失方面还是收益方面并未严格的位于同一条直线上，所以造成了出现不正常值的概率将会增大。由图可以看出是有明显的趋势，这也从另一方面证明了收益率分布不服从正态分布。 2.2模拟结果分析本章用WinBUGS软件做参数估计，以贝叶斯方法分析5种SV模型进行5000次迭代。在迭代时，对每个待估参数都进行同样次数的操作。然后，根据迭代结果选择最优3000次迭代值，根据此最优的MC模型的方法可很明显确定是否收敛。最后，我们将会得到参数的标准差、平均值及分位数。由上表的数据分析可知：（1）波动水平μ的绝对值中，LeverageSV最大，也意味着LeverageSV模型具有最强烈的波动性，其他的四个模型的波动性均比LeverageSV小。（2）五个模型中的#981;值都大于0.967，都比较大。SV-MT模型中的#981;值最大，达到了0.9879，根据此知，若具有连续性的收益序列的波动，随机波动的分析模型应该选SV-MT模型。（3）扰动水平以精度参数τ表示，方差σ2的值是衡量一个事物的扰动水平，他们的关系为τ越大，σ2越小，所得到的#981;值就会越小。SV-MT模型中τ值是最小的，所以五个模型中SV-MT模型模拟效果是最好的。（4）参数d是测量均值波动效应，其表示模型的回归系数，若显著性水平在5%之下，则d的值就非常接近零值，但出现这种情况的可能性是是很低的，由于本文中的d值的平均值等于零，而且时为为正值，时为为负值。所以，收益和波动之间的关系为不确定的。（5）参数ρ的后验均值在LeverageSV模型中为-0.2461，在区间[-0.3555,-0.1144]上95%的后验置信区间,通过对比波动和收益误差，能明显地发现收益序列中存在杠杆效应，但其相关性关系不是很明显。可以根据MC仿真方法求解出模型的Dˉ值、pD值和DIC值，五个模型中的DIC值通过迭代1000次得到。由衅可知，LeverageSV模