【摘要】：在計量經(jīng)濟學建模中,確定經(jīng)濟變量的分布是一個非常重要的環(huán)節(jié),因為模型參數(shù)的估計與檢驗都是以變量的概率分布為基礎的。在研究證券市場波動性時,人們通常假設收益率服從正態(tài)分布,但是正態(tài)分布并不能刻畫收益率高峰厚尾、負偏等特征。因此,尋找更合適的分布來擬合收益率以及建立更理想的波動率模型,不僅有利于進一步完善金融計量分析方法；而且,有利于投資者正確度量市場風險和制定投資策略；同時,也有利于證券業(yè)監(jiān)管機構準確把握市場動態(tài)和制定科學的監(jiān)管措施。 本文從資產(chǎn)收益率的特征出發(fā),結(jié)合我國證券市場漲跌停板交易的制度特征,提出我國證券市場收益率分布在有限區(qū)間內(nèi)的觀點,同時借鑒混合正態(tài)分布的處理技術,構造混合貝塔分布來擬合上證A股綜指簡單收益率。實證分析發(fā)現(xiàn),混合貝塔分布充分刻畫了上證A股綜指簡單收益率高峰、厚尾和負偏的分布特征。 為了研究上證A股綜指簡單收益率的波動性,本文建立了混合貝塔分布的隨機波動模型,提出了估計混合貝塔分布隨機波動模型的貝葉斯分析方法。首先討論了基于混合貝塔分布的隨機波動模型的模型結(jié)構；其次推導出這類隨機波動模型的似然函數(shù),以及各待估參數(shù)的條件后驗密度函數(shù)；并且給出了Gibbs抽樣算法；最后,基于Gibbs抽樣的WINBUGS軟件實現(xiàn)了混合貝塔分布隨機波動模型參數(shù)的后驗分布抽樣和估計。 另外,以上海證券市場的上證A股綜合指數(shù)為例,建立上證A股市場收益率的混合貝塔分布隨機波動模型(SV-M),實證分析發(fā)現(xiàn),基于混合貝塔分布的隨機波動模型(SV-M)較好地刻畫了收益率高峰、厚尾和負偏的特點,較準確地擬合了樣本數(shù)據(jù)的真實生成過程。并且,與基于正態(tài)分布的隨機波動模型(SV-N)的比較分析發(fā)現(xiàn),SV-N模型低估了證券市場的平均波動水平,高估了波動的持續(xù)性。
【學位授予單位】：天津財經(jīng)大學
【學位級別】：碩士
【學位授予年份】：2012
【分類號】：F224;F832.51

【參考文獻】

相關期刊論文 前10條

1 張波,李綱,倪娜;SV模型在我國股市風險度量中的應用[J];商業(yè)研究;2004年19期

2 方媛;;金融時間序列的隨機波動模型評述[J];當代經(jīng)濟;2010年01期

3 趙桂芹,曾振宇;股票收益的非正態(tài)分布模型[J];當代財經(jīng);2002年10期

4 盧素;劉金山;;隨機波動模型的參數(shù)估計方法[J];佛山科學技術學院學報(自然科學版);2011年01期

5 孟利鋒,張世英,何信;SV模型參數(shù)估計的經(jīng)驗特征函數(shù)方法[J];系統(tǒng)工程;2004年12期

6 蔣祥林;王春峰;;基于貝葉斯原理的隨機波動率模型分析及其應用[J];系統(tǒng)工程;2005年10期

7 周彥;張世英;;基于MCMC方法的連續(xù)時間SV模型建模研究[J];工業(yè)工程;2007年01期

8 楊珂玲;韓慧芳;;兩混合正態(tài)分布的參數(shù)估計方法[J];黃岡師范學院學報;2006年03期

9 任兆璋;寧忠忠;;人民幣匯率預期的隨機波動模型研究[J];暨南學報(哲學社會科學版);2007年03期

10 田秋榮;欒長福;;基于SV模型的滬深股市風險分析[J];科學技術與工程;2009年10期

，

本文編號：2642690