基于贝叶斯滤波的股指动态结构特征研究

针对股指波动所具有的动态结构信息特征,在状态空间建模理论的框架下,将服从Markov过程的潜在波动状态变量引入状态方程,同时在观测方程中考虑极值点的影响,构造出一类非高斯Markov随机波动状态空间模型。针对传统的MCMC方法对该类模型估计时效率低下的缺陷,设计了基于序贯Monte Carlo方法的贝叶斯滤波算法进行仿真分析,并且从算法效率和准确性方面对两种方法进行了比较。通过对沪深300股指波动的实证研究表明:对于一类非线性非高斯状态空间模型,贝叶斯滤波算法在保证估计精度的同时较MCMC方法更加有效率,能够有效刻画股指波动的动态结构特征。     

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。     

基于MCMC的贝叶斯变结构金融时序GARCH模型研究

针对变结构GARCH模型没有解析形式的条件后验分布的问题。借助辅助变量把没有具体解析形式的后验分布转化为一系列完全条件分布,实现了变结构GARCH模型参数的贝叶斯估计。中国外汇市场波动性的实证研究,表明了辅助变量-Gibbs抽样有效的解决了贝叶斯变结构GARCH模型中的高维数值计算问题,并发现其波动持续性是由时间序列的状态转移引起的。