廣義自回歸條件異方差（GARCH）模型能夠很好地刻畫金融資產(chǎn)收益二階矩的相依關(guān)系,因此在金融時間序列中受到了廣泛的應(yīng)用。在GARCH模型的框架下,本文利用貝葉斯局部影響分析來評價先驗、個體觀測和樣本分布的微小擾動的影響,利用擾動模型來刻畫不同類型的擾動形式。我們構(gòu)建了擾動模型的貝葉斯擾動形式,計算其幾何量來表征擾動模型的內(nèi)部結(jié)構(gòu)�；趲讉�目標函數(shù),本文利用幾個不同的局部影響測量來量化不同擾動的程度。數(shù)值模擬研究驗證了所提方法的有限樣本表現(xiàn)。對紐約證券交易所綜合指數(shù)（NYSE）和標準普爾500指數(shù)的GARCH建模說明了所提方法在實例研究中的有效性。 

【文章來源】：數(shù)理統(tǒng)計與管理. 2019,38(04)北大核心CSSCI

【文章頁數(shù)】：17 頁

【部分圖文】：

圖３義兩種擾動形式和ｓｌ種樣本量下，儀斷向量債隨著擾動大小Ｗ而變化的散點圖，對？方法１來斑，數(shù)??據(jù)和先驗擾動，Ｔ?＝?５００；?（ｂ）數(shù)據(jù)和先驗擾動，Ｔ?＝?１０００５?（ｃ）數(shù)據(jù)和先驗擾動ｒ?＝?ＩＷＱｉ?（ｄ）模型和先驗??擾動，ｒ?＝?５００ｔ閑模型和先驗擾動，ｒ?＝?１０００；：?模型和先驗擾動，Ｔ?＝讓肌對方法２：綠徵，〔ａ）＊?（ｂ）??和（ｅ）是數(shù)據(jù)擾動下的結(jié)果；（ｄ），?（ｅ）和（ｆ】楚模型擾動下時結(jié)栗４方法２、結(jié)匕、５１％和對ｃ？＊ｒ的結(jié)果分??

６１０??數(shù)理統(tǒng)計與管理??第３８卷第４期２０１９年７月??（ｂ）??０．５??ｔｚＭＪ??０．４－??｜?０．３－??ｂ??ｉ〇．２－??〇??０．１－??２００?３００??Ｎｕｍｂｅｒ??４００?５００??（ｅ）??°ｏ??ＩｚｚｆｆｉＪ??３５０??２００??ｐｒｉｏｒ?？??２００?３００?４００?５００??Ｎｕｍｂｅｒ??（ｃ）?（ｆ）??圖ｉ?ＧＡＲＣＨ模型中對數(shù)據(jù)和先驗同肘擾動下ｉｒ三種貝葉斯局部影響測量散點圖??例１為了減少描述的復(fù)雜度，此處我們考慮ＧＡＲＣＨ模型的一個有代表性的簡單模型??ＧＡＲＣＨ（１，１）模型：??｛?Ｖｔ?＝?＾?＋?＼／ｈｔ?ｅｔ，??＼?ｈｔ?＝?ａ〇＋ａｉ－?（ｙｔ－ｉ?－?ｆｉ）２?＋?６ｉ?？?ｈｔ－ｉ，??ｆ＝ｌ，２，．．．，ｒｓ?其中?ａ〇＞０，?ａｉ＞０，?ＣＨ＋ｈＣｌ，且假設(shè)?？ＡＴ（０，１），??假設(shè)數(shù)據(jù)集｛汍：＊?＝?１，２，…，ｒ｝暴從ＧＡＲＣＨ（１，１）模型中產(chǎn)生出來的，模型中的參數(shù)??是通過擬合紐約證券交易綜合指數(shù)的連續(xù)珉合日收益數(shù)據(jù)而得到的估計值，詳細的描述參見??３．１?１Ｌ本次模擬實驗中，令Ｔ?＝?５００，１０００，１５００。為了簡單，此處只顯示ｒ?＝?５００的結(jié)果，而??ｔ?＝?１０００和ｒ?＝?１５００的結(jié)果并不進行顯沄，但是他們呈現(xiàn)的結(jié)暴層ｒ?＝?５００是類似的，為了??制造有影響的觀測值，將２／ｔ在ｆ?＝?２００，?３５０處的值更改為識＋?５％，其中％是觀測時間序列??ｙ的標準誤。??利用ＧＡＲＣＨ（１，１）模型擬合以上得到的模擬數(shù)據(jù)，然后利用ＭＣＭＣ抽樣方法來進行貞葉??斯局部影響分析。在模

【參考文獻】：
期刊論文
[1]基于高頻數(shù)據(jù)的非平穩(wěn)GARCH（1,1）模型的擬極大指數(shù)似然估計[J]. 吳思鑫,馮牧,張虎,陳敏.  中國科學(xué):數(shù)學(xué). 2018(03)
[2]基于QR-t-GARCH（1,1）模型滬深指數(shù)收益率風(fēng)險度量的研究[J]. 劉亭,趙月旭.  數(shù)理統(tǒng)計與管理. 2018(03)
[3]基于混頻已實現(xiàn)GARCH模型的波動預(yù)測與VaR度量[J]. 于孝建,王秀花.  統(tǒng)計研究. 2018(01)



本文編號：3029598