基于随机波动模型的沪深股市波动分析——以06,07年度沪深股指为例

基于马尔科夫链蒙特卡罗(MCMC)模拟的贝叶斯(Bayes)分析方法,应用随机波动(SV)模型实证分析06、07年度中国股票市场指数的波动性,并对比沪市与深市的股指,对不同形式的SV模型的参数进行估计,对结论作出合理的解释.     

基于MCMC方法的金融贝叶斯半参数随机波动模型研究

现有随机波动(SV)模型依赖于参数条件分布形式假设,无法充分描述金融资产收益的偏态厚尾等典型特点,而非参数分布能够更全面地刻画这些特性。本文将SV模型和非参数分布相结合,构建一类半参数SV模型;同时在贝叶斯框架内,发展有效MCMC抽样解决模型的参数估计难问题,并利用对数预测尾部得分(LPTS)法分析模型的极端风险预测能力;最后以我国美元/人民币汇率市场为例,对半参数SV模型在收益特性刻画以及极端风险预测方面的实际效果进行了检验。     

基于MCMC模拟的贝叶斯厚尾金融随机波动模型分析

针对现有金融时间序列模型建模方法难以刻画模型参数的渐变性问题,利用贝叶斯分析方法构建贝叶斯厚尾SV模型。首先对反映波动性特征的厚尾金融随机波动模型(SV-T)进行贝叶斯分析,构造了基于Gibbs抽样的MCMC数值计算过程进行仿真分析,并利用DIC准则对SV-N模型和SV-T模型进行优劣比较。研究结果表明:在模拟我国股市的波动性方面,SV-T模型比SV-N模型更优,更能反应我国股市的尖峰厚尾的特性,并且证明了我国股市具有很强的波动持续性。     

基于蒙特卡洛-马尔科夫链(MCMC)的ARMA模型选择

AIC与SIC等准则函数方法是ARMA模型选择过程中经常使用的方法。但是,当模型的阶数很高时,无法计算并比较每一个备选模型的准则函数值。本文提出了一个基于蒙特卡洛-马尔科夫链方法的随机模型生成方法,以产生准则函数值最小的备选模型。实际应用表明本文的方法在处理拥有大量备选模型的ARMA模型选择问题时有很好的效果。     

基于MCMC的SV模型分钟高频股指波动率研究

利用沪深300股指2018年11月5日-2018年11月12日1分钟数据,基于马尔可夫蒙特卡罗(MCMC)模拟的贝叶斯方法,采用随机波动模型(SV)对我国股市分钟高频数据波动性进行了实证研究,并利用DIC准则进行模型拟合比较.结果表明,沪深300股指收益率序列具有尖峰,厚尾,聚集性等特征,且随机波动模型对于1分钟高频数据的拟合效果优于5分钟数据,标准随机波动模(SV-N)更适合1分钟高频数据.     

带有缺失数据的纵向隐马尔可夫因子模型的贝叶斯分析

隐马尔可夫因子模型在刻画多元纵向数据的关联性和异质性具有重要作用.在实际应用中,观测数据往往呈现缺失数据.本文在纵向框架内,对缺失的数据提出了一个建模.使用一个多项模型去拟合缺失数据指标,并提出用一系列一维条件分布的联合分布来建模.每个一维条件分布不仅取决于当前变量的观测值,而且也糅合以前的观测值和丢失的信息.在贝叶斯框架内,马尔可夫链蒙特卡罗方法用于实现后验分析.带有Metropolis-Hastings算法的Gibbs采样器被用来从相关的满条件分布中抽取随机样本.后验推断基于这些模拟观测值进行展开.我们进行了模拟研究.实证结果表明,所提出的方法在模型是正确指定时是十分有效的,而且对模型偏移也具有一定的稳健性.     

基于Gibbs抽样方法ARFIMA-GARCH模型的贝叶斯估计

近年来,ARMA、GARCH模型的研究一直是金融统计方向研究的热点。但是少有人研究ARFIMA-GARCH模型。因此本文提出ARFuNA(p,d,q)-GARcH(r,s)模型,该模型对r=O,s=O时退化为ARMA类模型,对p=O,q=O,d=O时就退化为GARCH模型,它囊括了时间序列的各种情形的。由于理论和实证表明对各种ARMA、GARCH类模型基于常用分布的似然函数得到的模型估计精度不高,故本文提出了基于贝叶斯方估计的MCMC方法来估计模型参数。这样就充分利用了样本信息和模型参数先验信息,因而具有更小的方差,能得到更精确的估计结果。最后本文以上证综合指数五分钟数据来进行仿真分析,建立了基于MCMC模拟方法的贝叶斯估计的ARFIMA(p,d,q)-GARCH(r,s)模型。数据分析中采用典型的Gibs抽样,基于MCMC模拟1500次,舍弃前100次,得到ARFIMA(1,d,1).GARCH(1,1)各参数的贝叶斯估计,并与传统EVIEWS估计得到的参数相比,发现贝叶斯估计更精确。     

动态异方差随机前沿模型的Bayesian推断

随机前沿模型中如果忽略单边干扰项的异质性(heterogeneity)往往导致错误的效率估计.从个体特征的影响和方差的时变性两方面对单边干扰项进行考虑,提出异方差动态随机前沿模型.利用Gibbs抽样方法对动态异方差随机前沿模型进行Bayesian分析.导出了模型参数的后验条件分布,对中小样本的模拟实验显示在最小后验均方误差准则下得到的参数估计值非常接近真值.对电力公司的实际数据进行分析显示对数无效率项的方差有一定的时变性.     

Ornstein-Uhlenbeck随机波动率模型的参数估计

本文研究了波动率过程为Ornstein-Uhlenbeck过程,且波动率过程与股票价格过程的相关系数ρ可为[0,1]中的任一数的随机波动率模型参数估计.给出了OU过程的统计性质,并利用鞅极限理论给出模型中参数的估计式,证明估计量是具有渐进正态性从而是相合的.     

带ARMA(1,1)条件异方差相关的随机波动模型的MCMC算法

我们首先提出了一个带ARMA(1,1)条件异方差相关的随机波动模型,它是基本的随机波动模型的一个自然的推广.进一步,对于这一新模型,我们给出了一个马尔可夫链蒙特卡罗(M CM C)算法.最后,利用该模型的模拟数据,展示了M CM C算法在这种模型中的应用.     

基于MCMC稳态模拟的指数回归模型及其应用

讨论了加速失效模型族中最简单而又十分重要的指数回归模型，利用贝叶斯方法提高了该模型的有效性。为了较好的解决高维数值积分在实际应用中的难题，提出了对寿命服从指数分布的产品，运用基于Gibbs抽样的马尔科夫链蒙特卡洛（Markov Chain Monte Carlo，MCMC）方法动态模拟出参数后验分布的马尔科夫链，在回归参数的先验分布为多元正态分布时，给出随机截尾条件下，回归参数在指数回归模型中的贝叶斯估计，提高了计算的精度。借助数据仿真分析说明了利用WinBUGS（Bayesian inference Using Gibbs Sampling）软件包进行建模分析的过程，证明了该模型在可靠性应用中的直观性与有效性。     

含有随机波动的非线性的最优投资和消费模型

在连续时间模型假设下,研究风险资产价格服从一个带有随机波动的几何布朗运动的最优消费和投资问题．首先建立了最优消费和投资同题随机最优控制数学模型;然后运用随机最优控制理论,得到了最优投资和消费随机最优控制问题的值函数所满足的线性抛物线偏微分方程和非线性抛物线偏微分方程．     

基于区制转换的股市泡沫动态监测模型

提出了两阶段区制转换模型,考虑了在两个时区之间的随机转换和退出泡沫时期的概率,使用序贯贝叶斯学习方法实时估计模型状态和参数。模拟试验表明,相比现有的其他方法,两阶段区制转换模型对于检测泡沫来说具有更好的效力。实证检验证实了模型的优势,并且得到一个重要的结论是2008年之后的A股市场的泡沫化程度较低。本文模型可以为机构投资者和监管部门动态监测股票市场可能存在的价格泡沫现象提供一些启示。     

American Options in the Heston Model with Stochastic Interest Rate and Its Generalizations

Abstract

We consider the Heston model with the stochastic interest rate of Cox–Ingersoll–Ross (CIR) type and more general models with stochastic volatility and interest rates depending on two CIR-factors; the price, volatility and interest rate may correlate. Time-derivative and infinitesimal generator of the process for factors that determine the dynamics of the interest rate and/or volatility are discretized. The result is a sequence of embedded perpetual options arising in the time discretization of a Markov-modulated Lévy model. Options in this sequence are solved using an iteration method based on the Wiener–Hopf factorization. Typical shapes of the early exercise boundary are shown, and good agreement of option prices with prices calculated with the Longstaff–Schwartz method and Medvedev–Scaillet asymptotic method is demonstrated.     

Tail Behavior of a Threshold Autoregressive Stochastic Volatility Model

We consider a threshold autoregressive stochastic volatility model where the driving noises are sequences of iid regularly random variables. We prove that both the right and the left tails of the marginal distribution of the log-volatility process (α_t)_t are regularly varying with tail exponent −α with α > 0. We also determine the exact values of the coefficients in the tail behaviour of the process (α_t)_t. AMS 2000 Subject Classification. Primary—62G32, 62PO5     

基于马尔科夫状态转移的中国股票市场行业板块波动性与相关性研究

利用马尔科夫状态转移.ARCH模型(SWARCH)来研究中国股票市场行业板块的波动性和相关性.首先对证监会划分的18个一级行业进行初步分析,建立单变量SWARCH模型,发现中国股票市场各行业板块均能够显著地分为高波动和低波动两个区制;接着利用双变量SWARCH模型对行业板块间的相关性进行研究,发现各行业板块之间的相关性在高波动区制显著高于低波动区制.所得的研究结论可以为投资者提高投资组合收益率提供参考依据.     

基于SV-M模型的全球股市交易指数波动与收益率的多分辨分析

为了有效揭示收益率与波动的关系,本文采用极大重叠离散小波变换,将收益率分解在不同的交易周期上,建立各自的SV-M模型,考察各周期收益率与波动的关系及其他参数随交易周期的变化情况。实证表明,全球各大股票交易市场的收益率,收益率与波动的在较小的尺度上关系不显著,但在较大尺度上,存在明显的正相关关系;且随交易周期的增长,收益率的相关性及波动持续性逐渐增强。