论文部分内容阅读
随机波动模型能很好地刻画收益率的尖峰厚尾、波动率聚集和长记忆等特点,因此大量的学者研究该模型.贝叶斯方法假设模型的未知参数是随机变量,且结合了样本信息和先验信息对未知参数进行推断,比经典统计方法更合理,所以本文采用贝叶斯的方法对随机波动模型进行参数推断.国内研究的随机波动模型主要是标准的随机波动模型以及它的一些拓展模型,而本文致力于研究方差常弹性模型,并在此基础上提出厚尾方差常弹性模型,本文主要进行了以下的工作：1．虽然有学者对标准随机波动模型及它的拓展模型进行理论上的贝叶斯推断,但很少有学者对方差常弹性模型和厚尾方差常弹性模型进行贝叶斯理论推断,本文对这两个模型进行了贝叶斯理论推断.2.本文采用Winbugs软件对样本数据为2009年1月5号至2012年12月31号的沪深300指数收盘价进行实证分析.实证结果表明：方差常弹性模型和厚尾方差常弹性模型的弹性系数都大于1,且厚尾方差常弹性模型的弹性系数比方差常弹性模型大,即厚尾方差常弹性模型比方差常弹性模型表现出更强的水平依赖性;方差常弹性模型比杠杆随机波动模型表现出更强的杠杆效应;厚尾方差常弹性模型可以刻画出收益率尖峰厚尾的性质.另外,本文基于DIC准则对模型进行比较分析,可以看出方差常弹性模型的拟合程度最高,但是模型最复杂,增加其DIC值,厚尾方差常弹性模型比厚尾随机波动模型有一定改进,提高了其拟合程度和降低了其DIC值.