厚尾随机波动率模型的贝叶斯参数估计及实证研究

• 作者: 张睿轩 黄文礼
• 来源期刊: 经济数学
• 学科: 数学
• 关键词: SV模型 贝叶斯估计 MCMC方法
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 金融工程
• 页码范围: 1-5
• 页数: 5页
• 分类号: O218.8
• 字数: 4922字
• 语种: 中文

摘要

针对现有时间序列模型难以刻画参数渐变性的问题,对厚尾随机波动(SV)模型的参数估计方法进行了推广,采用基于贝叶斯的MCMC方法,选取2013年5月~2016年6月这一经历多轮震荡的上证指数作为实证分析对象,构造了基于Gibbs抽样的MCMC过程进行仿真分析.结果显示,以卡方分布作为厚尾参数的先验分布能够有效地描述数据波动的厚尾特征,并且能得到较高精度的参数估计结果.结果表明,厚尾SV模型能有效反映出我国股市尖峰厚尾和波动长期记忆性的特征.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄文礼	浙江财经大学中国金融研究院	18	26	3.0	4.0
2	张睿轩	宁波大学商学院	2	3	1.0	1.0