论文部分内容阅读
波动性是金融市场中投资组合、资本资产定价和风险管理等理论的核心变量,是金融市场研究的一个核心问题。由于现有金融资产价格及其波动率模型存在诸多不足,难以拟合金融市场具有突发事件的跳跃行为,随着模型的复杂性加强,参数估计给模型的实际应用带来很大的限制。因此,寻求合适的模型合适的方法来研究金融资产序列的波动率具有十分重要的意义。目前,用来描述金融时间序列波动性的模型主要有两种,一种是自回归条件异方差模型(ARCH),另一种是随机波动模型(SV),但不同的是,随机波动模型中的方差由一个不可观测的随机过程决定,更能拟合金融时间序列的尖峰厚尾性、长记忆性等特点,更适合金融领域的实际研究。另外受突发事件影响,金融时序还具有跳跃运动的特点,而基本的随机波动模型无法刻画收益率序列中的跳跃运动。因此,本文将跳跃行为作为随机事件与SV模型相结合,构建SV-Jump模型,它既能够很好地解决资产时序的尖峰厚尾,也能够解决时序具有的跳跃效应。但SV-Jump模型属于高维复杂的非线性模型,传统的梯度算法估计模型参数时会带来很大的不便。而且在随机波动模型中联合后验分布是高维的,状态变量波动率是隐含的和不可观察的,且一些参数的后验分布不是正态分布、伽马分布等标准分布密度,其复杂的后验分布密度形式导致难以应用一些经典的估计方法对其进行估计,因此本文采取马尔科夫链蒙特卡洛(MCMC)模拟方法解决参数估计问题。由于贝叶斯推断方法能有效解决模型中的高维分布参数估计问题,因此,本文建立SV-Jump模型并尝试基于MCMC方法研究沪深300股指的波动情况。首先利用贝叶斯方法推断出SV-Jump模型中参数的后验分布;其次,对SV-Jump模型进行蒙特卡洛数值模拟,并应用MCMC方法对模型中的参数进行估计,根据MC误差、BGR比值和自相关图结果表明运用MCMC方法对SV-Jump模型的参数及状态变量的估计效果较好;最后,利用沪深300指数为代表,选取该指数2010年1月4日至2019年12月31日共计2431个交易日收盘价数据作为样本数据,对SV-Jump模型进行实证研究,结果表明该模型能较好地分析收益率的波动性和跳跃性。同时根据DIC准则对模型进行比较分析,结果表明SV-Jump模型对数据的拟合效果最好。在模型的应用部分,利用分位数回归方法计算GARCH(1,1)-t模型、SV-N模型、SV-T模型和SV-Jump模型这四种模型的风险价值(Va R),结果表明SV-Jump模型对风险的度量效果最好。综上,运用MCMC方法对SV-Jump模型进行参数估计是可靠有效的,也说明了该模型和方法能够为金融投资及风险控制提供一定的价值参考。