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。     

一类金融贝叶斯分位数GARCH模型及其在我国汇率市场中的应用研究

现有GARCH模型依赖于参数条件分布形式假设,依然不能有效刻画金融资产收益偏态厚尾特性,分位数回归能给条件分布提供更加全面的描述.在分位数回归和GJR-GARCH模型基础上建立分位数GJR-GARCH模型,并在贝叶斯框架下对模型进行分析;同时利用中国金融市场数据检验分位数GJR-GARCH模型在风险价值预测方面的实际效果.     

MGARCH模型对金融时间序列刻画能力的研究

金融资产收益率具有两个明显的特征,即尖峰厚尾性和平方序列的自相关性。本文首先研究了MGARcH(κ;1,1)模型的矩特性,然后分析MGARCH模型对这两个特性的刻画能力,并将它与GARCH(1,1)进行了比较,从理论上证明了MAGRCH较之GARCH模型有较强的刻画能力。最后利用上证综合指数的收盘价数据进行了实证分析。     

GARCH模型的贝叶斯局部影响分析及其应用

广义自回归条件异方差(GARCH)模型能够很好地刻画金融资产收益二阶矩的相依关系,因此在金融时间序列中受到了广泛的应用。在GARCH模型的框架下,本文利用贝叶斯局部影响分析来评价先验、个体观测和样本分布的微小扰动的影响,利用扰动模型来刻画不同类型的扰动形式。我们构建了扰动模型的贝叶斯扰动形式,计算其几何量来表征扰动模型的内部结构。基于几个目标函数,本文利用几个不同的局部影响测量来量化不同扰动的程度。数值模拟研究验证了所提方法的有限样本表现。对纽约证券交易所综合指数(NYSE)和标准普尔500指数的GARCH建模说明了所提方法在实例研究中的有效性。     

半参数门限广义非对称随机波动模型研究

为了能够同时刻画和描述金融资产收益序列的偏态、厚尾以及序列的门限效应、非对称杠杆效应等特性,提出把门限广义非对称随机波动模型与非参数Dirichlet过程混合模型有机结合,构建了半参数门限广义非对称随机波动模型,并对模型进行了贝叶斯分析.实证研究中,利用上海黄金价格收益率序列数据进行建模分析,结果表明:半参数门限广义非对称随机波动模型能够有效地刻画上海黄金价格收益率序列波动率的动态特征.     

基于AST分布和HGARCH模型的金融资产收益率波动非对称性刻画与VaR预测

选择合适波动模型和概率分布成为影响VaR预测可靠性的重要因素,本文首次结合HGARCH模型和AST分布来对金融资产收益率进行建模,并将所构建模型用于VaR预测研究中。我们重点比较研究不同头寸和不同风险水平下HGARCH模型及其子类共20种GARCH族模型的VaR预测效果,并系统性研究HGARCH模型中两个波动非对称参数在波动非对称性刻画和VaR预测中的作用。研究结果表明,在样本内,AST分布下的非对称GARCH族模型具有更好的波动拟合效果、分布拟合效果和VaR预测效果;HGARCH模型的两个波动非对称参数虽然在理论上是互补品的关系,但实际建模效果类似,相互之间更接近替代品的关系。在样本外,AST分布下的非对称GARCH族模型在波动拟合、分布拟合和VaR预测方面的优越性有所下降;两个波动非对称参数的实际效果也近似为替代品,其中放缩参数相比位移参数更具优势。     

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。     

基于M-H抽样的贝叶斯非对称厚尾GARCH模型研究

针对非对称厚尾GARCH模型参数的预选分布很难确定的问题。对模型参数空间进行数据扩张,把模型中的厚尾残差分布表示成正态分布和逆伽玛分布的混合分布,然后通过对参数的后验条件分布进行变换获得参数的预选分布,从而利用M-H抽样实现了非对称厚尾GARCH模型的贝叶斯分析。中国原油收益率波动的实证研究发现中国原油收益率的波动具有高峰厚尾性但不存在"杠杆效应",样本内的预测评价发现基于M-H抽样的贝叶斯方法优于极大似然方法,说明了M-H抽样方案设计的有效性。     

厚尾随机波动率模型的贝叶斯参数估计及实证研究

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.     

我国有限人口数据下长寿衍生产品定价的贝叶斯方法

鉴于我国人口死亡率数据匮乏对长寿风险定价的不利影响,文章采用贝叶斯MCMC方法来进行长寿衍生产品的定价.来自实际人口数据的研究结果表明,贝叶斯方法通过Gibbs抽样和MCMC模拟,更好地考虑了样本不足和样本质量问题,在死亡率建模的模型BIC值,残差方差值和预测稳健性上全面优越于传统方法,能有效提高死亡率预测的精度;同时,贝叶斯一体化框架结合最大熵原理能大幅减少定价过程中数据和参数风险的产生,累积和传导,提高长寿衍生产品定价结果的有效性和可靠性.其方法的优越性对保障我国有限人口数据下长寿衍生产品的成功开发具有积极的理论意义和现实价值.