基于Griddy-Gibbs抽样的混合高斯AR-GJR-GARCH模型的贝叶斯估计

• 作者: 唐亚勇 张新星
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 数学
• 关键词: 混合高斯分布 AR-GJR-GARCH模型 Griddy-Gibbs抽样 MCMC方法
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 数学
• 页码范围: 957-962
• 页数: 6页
• 分类号: O29
• 字数: 3708字
• 语种: 中文
• DOI: 103969/j.issn.0490-6756.2016.09.001

摘要

综合考虑波动率的尖峰厚尾性、杠杆效应等特点,作者提出了混合高斯AR-GJR-GARCH模型,并用基于Griddy-Gibbs抽样的MCMC方法对模型的参数进行了贝叶斯估计,然后以新东方的股票数据为例用Matlab和R软件对模型进行了实现与检验.结果表明:模型对波动率的各种特性都有一定的体现,并且估计方法的收敛速度较快、自相关性弱、算法复杂度低、稳定性良好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐亚勇	四川大学数学学院	21	87	5.0	8.0
2	张新星	四川大学数学学院	9	25	3.0	5.0