【摘要】：計(jì)量經(jīng)濟(jì)模型是研究金融時(shí)間序列動(dòng)態(tài)問題的最常見的方法.但計(jì)量模型通常以平穩(wěn)時(shí)間序列為假設(shè)基礎(chǔ),因此,在實(shí)際數(shù)據(jù)分析的過程中就需要對(duì)時(shí)間序列進(jìn)行單位根檢驗(yàn).單位根檢驗(yàn)是檢驗(yàn)時(shí)間序列數(shù)據(jù)平穩(wěn)性的重要工具,而協(xié)整檢驗(yàn)則是用來檢驗(yàn)非平穩(wěn)多變量之間是否存在長(zhǎng)期均衡關(guān)系的有效方法.對(duì)于金融資產(chǎn)數(shù)據(jù),已有文獻(xiàn)大多假設(shè)其分布為正態(tài)分布或者t分布,然而,真實(shí)的金融資產(chǎn)數(shù)據(jù)常展現(xiàn)出“尖峰厚尾”的特性,正態(tài)分布或t分布并不能很好地刻畫這些特性.相比之下,方差伽瑪分布通過引進(jìn)適合的參數(shù)能更準(zhǔn)確地刻畫這類數(shù)據(jù).但是,方差伽瑪分布的引入使得經(jīng)典單位根檢驗(yàn)和協(xié)整檢驗(yàn)變得更加艱難,特別是在小樣本條件下,存在檢驗(yàn)功效偏低,模型待估參數(shù)過多,檢驗(yàn)統(tǒng)計(jì)量難以確定等問題.貝葉斯方法為解決這些問題提供了一種便利的分析框架.本文主要對(duì)方差伽瑪過程下金融時(shí)序單位根檢驗(yàn)以及協(xié)整模型做了貝葉斯分析.對(duì)模型參數(shù)給定先驗(yàn)分布,推導(dǎo)各參數(shù)(向量)的滿條件后驗(yàn)分布,并通過Gibbs抽樣的方法來判斷時(shí)間序列是否存在單位根以及非平穩(wěn)變量之間是否存在協(xié)整關(guān)系.最后對(duì)我國(guó)證券市場(chǎng)上的上證綜指和深圳成指進(jìn)行實(shí)證分析,建立自回歸模型以及線性協(xié)整模型.借助MCMC仿真方法,利用貝葉斯方法對(duì)所建模型進(jìn)行單位根檢驗(yàn)和協(xié)整理論分析.實(shí)證結(jié)果表明:貝葉斯方法克服了方差伽瑪分布下的金融時(shí)間序列待估參數(shù)過多、統(tǒng)計(jì)量難確定和檢驗(yàn)功效偏低的缺陷,有效地分析了金融資產(chǎn)數(shù)據(jù)的單位根檢驗(yàn)問題和協(xié)整模型,發(fā)現(xiàn)上證綜指和深證成指之間具有長(zhǎng)期均衡關(guān)系,并且兩者具有正向變動(dòng)的趨勢(shì).
【圖文】：

對(duì)稱方差伽瑪密度函數(shù)圖像(Q=1,9=0)

其中＜邋＝（Ｈｍｘ，邋－／ｉ）邋？當(dāng)Ｌ邋｜時(shí)，多元偏方差伽瑪在ｘ，＝蘆處的概率密度函數(shù)逡逑是無(wú)邊界的，這是多元偏方差伽瑪分布的一個(gè)重要性質(zhì)［４２１逡逑通過下面的四組圖形，，如圖２－５，我們來進(jìn)一步了解參數(shù)對(duì)多元偏方差伽逡逑瑪分布圖形的影響．左側(cè)一列圖是等高線，右側(cè)一列為相應(yīng)的二元方差伽瑪分布的密逡逑度函數(shù)三維圖像．各組圖形中參數(shù)設(shè)置：ａ組圖的參數(shù)為逡逑⑷（１邐０．４＾邐「０．２）逡逑，＊９＝邋ｑ邋１邋，々邋＝邋３；邋ｂ組圖中１邋＝邋０．６，其余參數(shù)與ａ圖相同；逡逑＾邋Ｖ－／邋ｙ邋ｖ／邋？邋Ｉ邐ｙ逡逑ｃ組圖中５邋＝邋（０．５，２／，其余參數(shù)與ａ圖相同；ｄ組圖中Ｅ的相關(guān)系數(shù)增加至０．８，其余逡逑參數(shù)與ａ圖相同．逡逑２ｐ邐邐邐邐邐邐邐邐邐邐邐邐邐邐邐邐邐邐逡逑：：保蓿誨義希玻保板危卞危插危插逡恢義希ǎ幔保┍曜嫉雀呦咤危ǎ幔玻┍曜跡硙煎義希保靛義

本文編號(hào)：2576779