近三十年來,隨著金融產(chǎn)品的多樣化,尤其是金融衍生產(chǎn)品的不斷涌現(xiàn),估計分析和預(yù)測波動率無論是在業(yè)界或是學(xué)界均受到廣泛的重視。在業(yè)界,波動率被作為一個重要考慮因素用于金融產(chǎn)品定價、金融風(fēng)險規(guī)避、投資決策等領(lǐng)域;在學(xué)界,分析波動率現(xiàn)象、構(gòu)建波動率模型、預(yù)測波動率等均是數(shù)理金融和金融計量所關(guān)心的熱點問題。對于波動率的分析大致可以分成數(shù)理金融分析和時間序列計量分析兩個部分,在本文中我們將重點從后者上來分析波動率,更具體地說,我們將通過Taylor(1998)提出的隨機波動率一類模型進(jìn)行分析�；趥鹘y(tǒng)的隨機波動模型,我們提出函數(shù)參數(shù)隨機波動模型(FunctionalCoefficient Stochastic Volatility model)。函數(shù)參數(shù)隨機波動模型作為非參數(shù)一族的模型不僅涵蓋了文獻(xiàn)中大部分的參數(shù)隨機波動模型,以及解釋了如波動率“尖峰厚尾”、“波動聚類”、“長記憶性”的現(xiàn)象,還解決了傳統(tǒng)隨機波動模型所不能解釋的波動率“結(jié)構(gòu)變化”現(xiàn)象。此外,采用函數(shù)參數(shù)的表達(dá)形式,研究者還可以研究導(dǎo)致“結(jié)構(gòu)變化”的原因。在模型估計方面,通過模擬試驗,我們發(fā)現(xiàn)采用馬爾可夫鏈蒙特卡洛模擬(MCMC)和B...

【文章頁數(shù)】：50 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖３．２隨機波動率參數(shù)的模擬路徑及密度函數(shù)圖??Ｆｉｇ．?３．２?Ｔｈｅ?ｅｓｔｉｍａ?

過足夠多次的迭代之后，各參數(shù)的邊緣分布己趨于平穩(wěn)，即Ｍａｒｋｏｖ鏈為收斂的。持續(xù)??參數(shù)０的取值接近１，說明序列的持續(xù)性較強，即前一天的波動對后一天的影響較大。??隨機波動率模型參數(shù)的模擬路徑及參數(shù)密度函數(shù)圖見圖３．２。??＾???ｇ????????＾?１?１?１?１?＾?１?ｒ....

圖６不同風(fēng)速場景下的風(fēng)電波動和風(fēng)電出力的概率分布函數(shù)

能配置方案的影響。修改風(fēng)速隨機模型的時序相關(guān)性參數(shù)則可得到不同波動特性的風(fēng)速，且保持整體概率分布不變，如圖６所示。圖６（ａ）中場景１相鄰時刻的風(fēng)電波動功率分布范圍比場景２更為集中，即場景１的風(fēng)速波動性更小，而從圖６（ｂ）可以看出兩個場景的風(fēng)速總體分布保持一致。表１為兩組風(fēng)電場景下....

圖７兩個風(fēng)電場的儲能配置方案隨空間相關(guān)性的變化

風(fēng)電出力的概率分布函數(shù)表１不同風(fēng)電時序波動性下的儲能配置方案場景風(fēng)電波動功率／（ＭＷ·ｈ－１）儲能配置功率／ＭＷ儲能配置容量／ＭＷｈ儲能循環(huán)數(shù)／（次·ａ－１）１２８．６５３４４２２１６１９０２４９．６０３３１９１３４２０修改風(fēng)速隨機模型的空間相關(guān)性參數(shù)則可得到不同相關(guān)性的風(fēng)場風(fēng)速....

圖６不同風(fēng)速場景下的風(fēng)電波動和風(fēng)電出力的概率分布函數(shù)

能配置方案的影響。修改風(fēng)速隨機模型的時序相關(guān)性參數(shù)則可得到不同波動特性的風(fēng)速，且保持整體概率分布不變，如圖６所示。圖６（ａ）中場景１相鄰時刻的風(fēng)電波動功率分布范圍比場景２更為集中，即場景１的風(fēng)速波動性更小，而從圖６（ｂ）可以看出兩個場景的風(fēng)速總體分布保持一致。表１為兩組風(fēng)電場景下....

本文編號：3948510