時(shí)間序列在股指波動(dòng)性建模中的應(yīng)用——基于MCMC方法的GARCH模型參數(shù)估計(jì).pdf

1、信息技術(shù)的快速發(fā)展和金融市場(chǎng)日趨全球化的傾向，導(dǎo)致新型金融產(chǎn)品大量涌現(xiàn)，極大地增加了金融投資和銀行業(yè)務(wù)的復(fù)雜性，而區(qū)域性金融風(fēng)暴和銀行危機(jī)都表明，需要加強(qiáng)對(duì)金融產(chǎn)品穩(wěn)定性的研究。對(duì)金融業(yè)進(jìn)行謹(jǐn)慎的管制，除了需要發(fā)展新的更貼近現(xiàn)實(shí)的理論模型外，更迫切的任務(wù)是，需要以微觀數(shù)據(jù)為基礎(chǔ)的實(shí)證研究。金融資產(chǎn)價(jià)格的波動(dòng)是金融體系風(fēng)險(xiǎn)積累的重要來(lái)源之一，幾乎所有的金融危機(jī)都與金融資產(chǎn)波動(dòng)有關(guān)。因而，對(duì)于波動(dòng)性的定量計(jì)量建模是對(duì)金融資產(chǎn)波動(dòng)性研究的核心

2、內(nèi)容之一，目前，各種統(tǒng)計(jì)建模的方法越來(lái)越多的應(yīng)用于金融領(lǐng)域。大量的實(shí)證研究表明，金融數(shù)據(jù)中存在著波動(dòng)集聚性和尖峰厚尾性，因此，用一般的時(shí)間序列模型來(lái)擬合金融數(shù)據(jù)的波動(dòng)性顯得不合適。GARCH模型是目前度量金融市場(chǎng)波動(dòng)性的有力工具之一。參數(shù)GARCH模型是最常用的模型，但對(duì)于此模型的參數(shù)估計(jì)和相應(yīng)的統(tǒng)計(jì)推斷一直以來(lái)是個(gè)難題。傳統(tǒng)的方法是基于極大似然估計(jì)(ML)的基礎(chǔ)上運(yùn)用最優(yōu)化理論來(lái)對(duì)參數(shù)給出估計(jì)，然后導(dǎo)出參數(shù)的極限分布進(jìn)行統(tǒng)計(jì)推斷，但由

3、于GARCH模型對(duì)其參數(shù)有一定的約束條件，使得此優(yōu)化算法方法較為復(fù)雜且使得基于此方法而衍生出的進(jìn)一步的統(tǒng)計(jì)檢驗(yàn)，如：LM，Wald，LR，等方法的可靠性受到質(zhì)疑。本文中，我們運(yùn)用馬爾科夫蒙特卡羅(MCMC)方法對(duì)殘差基于正態(tài)分布的GARCH(1，1)模型進(jìn)行估計(jì)，此方法通過(guò)構(gòu)造收斂于待估計(jì)參數(shù)分布的隨機(jī)過(guò)程而克服了運(yùn)用最優(yōu)化算法估計(jì)GARCH模型中參數(shù)以及對(duì)相應(yīng)參數(shù)進(jìn)行統(tǒng)計(jì)推斷所產(chǎn)生的上述問(wèn)題。實(shí)證分析結(jié)果表明：基于馬爾科夫蒙特卡羅(M