本文選題：股票收益率 + 通貨膨脹率�。� 參考：《湖南大學》2014年碩士論文

【摘要】：通貨膨脹作為制定相關宏觀經濟政策的重要參考指標，其波動特征和未來走勢對經濟形勢的發(fā)展有重要的影響。股票市場作為金融市場的代表，其周期波動會對社會貨幣總供給與貨幣總需求產生結構性的影響，從而影響通脹率的波動。因此，研究股票市場與通貨膨脹率之間的關系，有助于我國宏觀經濟政策的正確制定，并對判斷市場經濟政策的效應具有重要意義。 通貨膨脹與股票實際收益率之間關系不是純粹的只有一種形式，其可能存在四種相關關系：正相關、負相關、不確定與不相關，實際的市場經濟中股市收益與通貨膨脹率之間一般呈現(xiàn)出非線性、非對稱性的關系。Markov機制轉換VAR模型（MSVAR）在研究非線性動態(tài)關系中有很廣泛的應用，因為Markov機制轉換能很好地刻畫出時間序列的非線性機制轉換的過程，然而，MSVAR模型卻存在對數(shù)據(jù)依賴程度高、估計參數(shù)過多、擬合程度低等問題，貝葉斯統(tǒng)計推斷方法以及MCMC算法的運用為解決以上這些問題提供了良好的解決方案。 本文首先針對股市收益與通脹波動關系分析過程中隨機參數(shù)條件下的建模問題，構建貝葉斯Markov轉換VAR模型。然后，通過分析模型的統(tǒng)計結構，設置參數(shù)的先驗概率分布，利用貝葉斯統(tǒng)計方法，推斷模型參數(shù)的后驗分布，設計相應的兩次Gibbs抽樣算法對模型參數(shù)進行貝葉斯估計。最后，利用貝葉斯Markov轉換VAR模型研究股票回報率，通脹率波動成分和通脹率趨勢成分三者間的動態(tài)關系，研究結果表明：貝葉斯Markov轉換VAR模型更準確地刻畫出三變量之間波動關系的非線性動態(tài)特征。在機制轉移的具體過程中，股票收益率在“市場緊縮區(qū)制”分別與持久性通脹率，，暫時性通脹率呈正相關，在“市場擴張區(qū)制”短期內與通脹率呈弱正相關，長期內與通脹率呈負相關，表明了費雪效應和代理效應分別在市場的不同機制中體現(xiàn)出來。說明了股票收益率與通脹率的波動關系并不總是遵循費雪效應，可能存在多種關系。
[Abstract]:Inflation is an important reference index for the formulation of relevant macroeconomic policies, and its fluctuation characteristics and future trends have an important impact on the development of the economic situation. As the representative of financial market, the periodic fluctuation of stock market will have a structural impact on the total supply of money and the aggregate demand of money, thus affecting the fluctuation of inflation rate. Therefore, the study of the relationship between stock market and inflation rate is helpful to the correct formulation of macroeconomic policy in China, and it is of great significance to judge the effect of market economy policy. The relationship between inflation and real return of stocks is not purely one form, it may have four kinds of correlation: positive correlation, negative correlation, uncertainty and non-correlation, In the actual market economy, the relationship between stock market income and inflation rate is generally nonlinear and asymmetric. Markov mechanism transformation VAR model is widely used in the study of nonlinear dynamic relationship. Because Markov mechanism transformation can well depict the process of nonlinear mechanism transformation of time series, however, there are many problems in the model, such as high degree of dependence on data, excessive estimation of parameters and low degree of fitting, etc. Bayesian statistical inference and the application of MCMC algorithm provide a good solution to these problems. In this paper, the Bayesian Markov transform VAR model is constructed for the modeling of stochastic parameters in the process of analyzing the relationship between stock market returns and inflation volatility. Then, by analyzing the statistical structure of the model and setting the prior probability distribution of the parameters, the Bayesian statistical method is used to infer the posterior distribution of the model parameters, and the corresponding two-time Gibbs sampling algorithm is designed to estimate the model parameters. Finally, we use Bayesian Markov transform VAR model to study the dynamic relationship among stock return rate, inflation fluctuation component and inflation trend component. The results show that the Bayesian Markov transform VAR model can more accurately describe the nonlinear dynamic characteristics of the volatility relationship between three variables. In the specific process of mechanism transfer, stock yield is positively correlated with persistent inflation rate, temporary inflation rate in "market contraction zone" system, and weakly positive correlation with inflation rate in "market expansion zone system" in the short term. In the long run, there is a negative correlation between Fisher effect and inflation rate, which indicates that Fisher effect and agency effect are reflected in different mechanisms of market. It shows that the fluctuating relationship between stock yield and inflation does not always follow Fisher effect, and there may be a variety of relationships.
【學位授予單位】：湖南大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：F224;F832.51;F822.5

【相似文獻】

相關期刊論文 前10條

1 夏莉;;商業(yè)儲蓄網點優(yōu)化設置的Markov預測[J];商業(yè)研究;2007年09期

2 劉金全;劉志剛;;具有Markov區(qū)制轉移的向量誤差修正模型及其應用[J];管理科學學報;2006年05期

3 謝杰;;中國實際利率的狀態(tài)轉換與階段性平穩(wěn)特征——基于三區(qū)制Markov狀態(tài)轉移模型的分析[J];金融理論與實踐;2011年02期

4 苗苗;洪瀟;付立新;;基于Markov轉移模型的中國股市狀態(tài)轉換研究[J];統(tǒng)計與決策;2010年12期

5 劉萬榮,劉再明,侯振挺;Markov骨架過程的構造[J];經濟數(shù)學;2000年02期

6 儲小俊;劉思峰;;基于Markov區(qū)制轉換的流動性溢價[J];系統(tǒng)工程;2007年10期

7 梁發(fā)超;張文開;居鳳云;;基于MARKOV——灰色模型的土地利用結構變化預測[J];沈陽大學學報;2008年06期

8 郭天印;Markov預測與決策的Excel實現(xiàn)[J];陜西工學院學報;2003年01期

9 張建軍;王建平;孫成金;楊麗敏;;河南省漁業(yè)增加值的加權Markov殘差修正預測研究[J];河南農業(yè)大學學報;2013年03期

10 周慶欣;;Markov分析法在企業(yè)經營中的應用[J];哈爾濱商業(yè)大學學報(自然科學版);2012年03期

相關會議論文 前2條

1 魏莉莉;潘泉;梁彥;程詠梅;;一類模式觀測時滯Markov切換系統(tǒng)融合[A];第25屆中國控制會議論文集（上冊）[C];2006年

2 安實;孫健;王巖;;基于Markov決策過程的離散過程風險度量[A];第八屆中國管理科學學術年會論文集[C];2006年

相關博士學位論文 前2條

1 蘇海軍;基于Markov轉換動態(tài)條件相關分析的危機傳染研究[D];華中科技大學;2011年

2 丁義明;Markov算子的漸近行為與經濟系統(tǒng)的幾個問題[D];北京師范大學;2002年

相關碩士學位論文 前7條

1 高宗偉;不確定連續(xù)Markov切換系統(tǒng)的模糊滑�？刂芠D];哈爾濱理工大學;2014年

2 袁大璉;圓周上Markov映射的逆極限空間[D];華南師范大學;2005年

3 劉曉玲;樹上的Markov映射的逆極限[D];華南師范大學;2005年

4 胡琴琴;Markov算子的漸近平穩(wěn)性[D];山東大學;2011年

5 萬文為;基于Markov邏輯網的蛋白質關聯(lián)預測研究[D];重慶大學;2012年

6 鄧慧敏;基于貝葉斯Markov轉換模型的股市收益與通脹動態(tài)關系研究[D];湖南大學;2014年

7 張祺;基于Markov體制轉換模型的首次公開發(fā)行市場周期性研究[D];湖南大學;2005年

本文編號：1775778