论文部分内容阅读
针对金融时间序列普遍具有的波动聚集性和厚尾特征，将对风险管理尤为重要的一些极端点纳入模型之中，构建厚尾马尔科夫转移随机波动模型，采用带辅助变量的粒子滤波算法对波动和潜在状态进行预测，并估计模型参数。由于t分布与正态分布的特殊关系，通过选取不同自由度进行仿真分析，研究发现MSSV—t模型较一般MSSV模型对于消除波动持续性参数的高估问题更加有效。结合对中国上证综指股价波动的实证研究，证明了基于APF算法的MSSV-t模型在潜在波动状态的预测及突发事件的探测方面具有优良的性质，同时具备提高波动预测精度的能力。