首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 107 毫秒
1.
在期权定价问题中,有一类反映隐性不可观测波动的时间序列—随机波动(SV)模型.在一定条件下对其序列影响点进行识别:对SV模型的参数应用伪极大似然估计方法进行估计,并在此基础上应用Cook的局部影响分析方法,对其强影响点进行识别,并通过模拟实例,对其影响点识别的效果进行说明.  相似文献   

2.
波动率风险溢价包含了关于投资者风险厌恶的重要信息,它的估计是金融计量学文献关注的一个核心问题。本文基于香港权证市场数据和GARCH扩散随机波动率(SV)模型,对香港证券市场的波动率风险溢价进行了估计研究。采用香港恒生指数和指数权证数据,通过建立基于有效重要性抽样的极大似然(EIS-ML)方法联合估计了GARCH扩散模型的客观与风险中性测度,进而得到了香港证券市场的波动率风险溢价。研究结果发现,在香港证券市场上,市场投资者对波动率风险进行了定价,即存在波动率风险溢价,且波动率风险溢价在绝大多数情形下为正,说明市场投资者总体表现为风险爱好。  相似文献   

3.
Cox-Ingersoll-Ross模型的统计推断   总被引:1,自引:0,他引:1  
本文研究了Cox—Ingersoll—Ross模型的统计推断问题.给出了CIR过程的平稳均值m与平稳方差v的矩估计,并利用m和v给出了CIR过程中尺度参数α与波动率β之间的关系,讨论了参数α的条件矩估计和渐近极大似然估计.并通过数值模拟对条件矩估计,渐近极大似然估计这两种方法作了比较.  相似文献   

4.
在流行病学、生物医学和临床试验等领域的研究中, Cox模型是最受欢迎的半参数回归模型之一.在建模过程中,观测到的协变量通常是被污染的,污染因子可测,但是污染函数未知,直接使用被污染的协变量进行参数估计,可能会造成错误的统计推断.研究者往往发现疾病治疗的最佳时刻点,如果忽略这些辅助生存信息,可能导致估计效率的降低.本文研究带有污染协变量和辅助生存信息的Cox模型的一种改进估计,通过核平滑方法校准受污染的协变量,并通过分组提取辅助生存信息用于参数估计,然后使用广义矩估计方法解决超维方程组求解的问题.模拟分析和实证研究结果表明:基于协变量校准后的Cox模型的广义矩估计方法比偏似然估计方法、协变量未调整的Cox模型的广义矩估计方法的效果更好.  相似文献   

5.
针对现有时间序列模型难以刻画参数渐变性的问题,对厚尾随机波动(SV)模型的参数估计方法进行了推广,采用基于贝叶斯的MCMC方法,选取2013年5月~2016年6月这一经历多轮震荡的上证指数作为实证分析对象,构造了基于Gibbs抽样的MCMC过程进行仿真分析.结果显示,以卡方分布作为厚尾参数的先验分布能够有效地描述数据波动的厚尾特征,并且能得到较高精度的参数估计结果.结果表明,厚尾SV模型能有效反映出我国股市尖峰厚尾和波动长期记忆性的特征.  相似文献   

6.
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.  相似文献   

7.
周荣喜  孙榛  王朕 《运筹与管理》2021,30(6):150-158
基于2016~2018年月度数据,通过独立估计的单曲线样条模型和SV 模型、联合估计的多曲线样条模型和SV模型拟合公司债信用利差期限结构,进而对模型拟合效果进行比较,讨论模型在宏观经济预测中的应用,得到以下结论:(1)拟合模型的函数形式是导致理论信用利差期限结构曲线翻折的原因。样条模型和SV模型拟合的信用利差曲线形状完全不同,且模型函数变动引起的误差变动大于曲线变动引起的误差变动。(2)联合估计模型可以修正独立估计模型的人为扭曲形式。多曲线模型的结果更接近实际信用利差,误差波动性明显减小,曲线更为平滑,且联合估计的多曲线样条模型优于独立估计的单曲线样条模型、独立估计的SV 模型和联合估计的SV模型。(3)公司债信用利差期限结构在一定程度上蕴含了市场对未来宏观经济的预期信息,且在短期内预测结果随先行期限延长而改善。因此,宏观经济政策制定者需关注信用利差和期限结构模型拟合研究,重视对信用利差期限结构的深度信息挖掘,从而提高中国宏观政策制定者调控手段的前瞻性和有效性。  相似文献   

8.
随机设计非线性混合模型的统计分析   总被引:2,自引:0,他引:2       下载免费PDF全文
本文研究了个体观察次数为随机的非线性 混合效应模型中参数的点估计以及区间估计. 在仅给出适当的矩条件下, 给出了固定效应、随机效应的方差阵以及误差方差的矩估计, 并证明了估计量的相合性及渐近正态性. 为给出误差方差以及随机效应方差分量的置信区间, 本文也给出了误差及随机效应的四阶矩估计. 随机模拟说明了方法的有效性.  相似文献   

9.
在随机波动率模型中,由于波动率是不可观测,因此相应的参数估计和统计推断比较困难.将应用真实波动率近似估计积分波动率,进一步基于高斯估计方法给出非线性扩散模型的线性估计,而后再给出随机波动率模型精确的极大似然估计方法.最后,采用上证综合指数和深证成份指数对一系列随机波动率模型进行实证的研究.实证结果表明,均方根模型(Heston模型)较好地描述上证综合指数动态行为,而对于深证成份指数的描述在统计意义上没有显著地解释力.  相似文献   

10.
模型估计是机器学习领域一个重要的研究内容,动态数据的模型估计是系统辨识和系统控制的基础.针对AR时间序列模型辨识问题,证明了在给定阶数下AR模型参数的最小二乘估计本质上也是一种矩估计.根据结构风险最小化原理,通过对模型拟合度和模型复杂度的折衷,提出了基于稀疏结构迭代的AR序列模型估计算法,并讨论了基于广义岭估计的最优正则化参数选取规则.数值结果表明,方法能以节省参数的方式有效地实现AR模型的辨识,比矩估计法结果有明显改善.  相似文献   

11.
钱夕元  张超 《经济数学》2012,29(4):47-55
针对EVaR(Expectile-based Value at Risk)风险度量提出了基于GARCH类和SV波动率模型的EVaR风险度量计算方法,即EVaR计算的参数模型方法.并基于模拟学生t分布时间序列数据,给出EVaR样本外预测的失败率检验方法:Kupiec失败率检验和动态分位数(DQ)检验法.与采用CARE(Conditional Autoregressive Expectile)模型的EVaR计算方法进行了对比研究,结果表明基于GARCH类模型和SV模型相对于基于CARE模型有更优的EVaR预测效果.选取2004年1月5日到2009年12月30日的国内外五个股票市场指数数据,针对日对数收益率进行了EVaR风险度量的实证研究,得出在金融危机期间,基于参数模型的EVaR预测要比基于CARE模型的EVaR预测更接近市场实际风险.  相似文献   

12.
基于ICA-SV模型的金融市场协同波动溢出分析及实证研究   总被引:2,自引:0,他引:2  
对于动态投资组合与风险管理来说,测定波动溢出效应是非常重要的.已有的文献证明SV模型比GARCH模型能够更好地刻画金融市场的波动,使用SV模型研究两个金融市场间波动溢出的文献并不多见,而使用SV模型研究多个金融市场对一个金融市场协同波动溢出的文献则更为少见.本文以独立成分表示金融市场波动的协同指标,提出了独立成分SV模型(ICA-SV),并研究了多个金融市场对一个金融市场的协同波动溢出,实证结果验证了ICA-SV模型在分析金融市场协同波动溢出是可行的.  相似文献   

13.
上海股市波动的预测方式和模型   总被引:1,自引:1,他引:0  
探讨基于 SV类模型的上海股市波动的预测方式和模型问题 .比较了 SV( stochastic volatility)类模型 (包括基本 SV模型和 ASV模型 )在两种不同方式下的预测效果 ,并将基本 SV类模型的预测效果与 ASV模型 ,以及其他常用模型做了比较 .结果表明 :SV类模型在两种预测方式下的预测效果存在一定的差异 ;基本 SV模型对于上海股市具有较强的预测能力 ;ASV模型的预测效果不理想 .  相似文献   

14.
In this paper, we address the problem of an efficient estimation strategy when solving real survey sampling problems. We consider the panel data model with random effects as a superpopulation model. We investigate the performance of model-assisted estimators under model-based sample designs in a simulation experiment based on the real data (Lithuanian survey on short-term statistics on service) taken as a true population. Here the model-based sampling refers to a sample design constructed using the model and information about the behavior of the model-assisted estimator on available auxiliary data.  相似文献   

15.
Discrete-time stochastic volatility (SV) models have generated a considerable literature in financial econometrics. However, carrying out inference for these models is a difficult task and often relies on carefully customized Markov chain Monte Carlo techniques. Our contribution here is twofold. First, we propose a new SV model, namely SV–GARCH, which bridges the gap between SV and GARCH models: it has the attractive feature of inheriting unconditional properties similar to the standard GARCH model but being conditionally heavier tailed. Second, we propose a likelihood-based inference technique for a large class of SV models relying on the recently introduced continuous particle filter. The approach is robust and simple to implement. The technique is applied to daily returns data for S&P 500 and Dow Jones stock price indices for various spans.  相似文献   

16.
In this paper we present a simple dynamization method that preserves the query and storage costs of a static data structure and ensures reasonable update costs. In this method, the majority of data elements are maintained in a single data structure, and the updates are handled using smaller auxiliary data structures. We analyze the query, storage, and amortized update costs for the dynamic version of a static data structure in terms of a functionf, such thatf(n)<n, that bounds the sizes of the auxiliary data structures (wheren is the number of elements in the data structure). The conditions onf for minimal (with respect to asymptotic upper bounds) amortized update costs are then obtained. The proposed method is shown to be particularly suited for the cases where the merging of two data structures is more efficient than building the resultant data structure from scratch. Its effectiveness is illustrated by applying it to a class of data structures that have linear merging cost; this class consists of data structures such as Voronoi diagrams, K-d trees, quadtrees, multiple attribute trees, etc.  相似文献   

17.
研究中国股票市场中的两个重要指标:股票价格与交易量,随机波动模型具有长期波动性预测能力,只是由于参数估计的困难而没有受到重视.随着马尔可夫链蒙特卡罗(MCMC)方法和计算机计算能力的提高,这种困难是可以克服的.采用基于马尔可夫链蒙特卡罗(MCMC)模拟技术的贝叶斯估计方法,在基于引入预期交易量和非预期交易量的随机波动模型下,对模型参数进行后验分布的构造,并以2005年1月-2012年5月的上证综合指数的每日收盘指数及相应的日成交量序列为样本,通过实证仿真得到参数结果值.结果表明,非预期交易量对股市价格的影响要大于预期交易量.  相似文献   

18.
In this paper, we propose a robust empirical likelihood (REL) inference for the parametric component in a generalized partial linear model (GPLM) with longitudinal data. We make use of bounded scores and leverage-based weights in the auxiliary random vectors to achieve robustness against outliers in both the response and covariates. Simulation studies demonstrate the good performance of our proposed REL method, which is more accurate and efficient than the robust generalized estimating equation (GEE) method (X. He, W.K. Fung, Z.Y. Zhu, Robust estimation in generalized partial linear models for clustered data, Journal of the American Statistical Association 100 (2005) 1176-1184). The proposed robust method is also illustrated by analyzing a real data set.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号