基于贝叶斯厚尾DCC-MSV模型的股市波动溢出效应研究.pptxVIP

content目录01研究背景与问题提出02理论模型构建与方法创新03波动溢出效应的测度与识别机制04实证分析与案例研究05研究结论与学术实践价值

研究背景与问题提出01

全球金融市场联动性增强催生对波动溢出效应的深入探究市场联动加剧全球化与高频交易推动各国股市关联日益紧密，风险跨市场传导速度显著提升，单一市场波动易引发连锁反应。溢出效应凸显金融危机、政策突变等事件常导致波动从一国市场迅速溢出至其他市场，形成跨国传染，威胁金融稳定。传统模型局限经典GARCH类模型难以捕捉动态相关性与时变溢出，对极端风险和非线性传导机制的刻画能力不足。研究需求迫切亟需构建能同时刻画厚尾、时变波动与动态相关的模型，以精准识别和度量复杂市场环境下的波动溢出路径。

传统波动模型在刻画厚尾与动态相关性方面存在明显局限高峰厚尾特征金融资产收益率常呈现高峰厚尾，极端波动事件发生概率高于正态分布预测，导致传统模型低估风险。时变相关性市场间相关性具有时变与非线性特点，危机期间联动增强，静态协方差难以准确刻画动态依赖关系。波动聚集建模多元GARCH类模型可描述波动聚集性，但面临维度增加带来的估计困难和模型设定刚性问题。随机波动局限标准随机波动模型忽略跳跃与厚尾影响，容易高估波动持续性，扭曲未来风险推断。复杂依赖捕捉需更灵活模型以捕捉市场结构的复杂变化，提升对极端风险和动态依赖的识别能力。贝叶斯估计优势传统极大似然在高