时间序列在股指波动性建模中的应用——基于MCMC方法的GARCH模型参数估计

文摘

英文文摘

声明

第一章绪论

1.1论文选题的背景和意义

1.2论文的研究结构及主要结果

第二章国内外理论方法研究综述

2.1研究的理论基础

2.1.1国外研究现状

2.1.2国内研究现状

2.2 ARCH、GARCH类模型简介

2.3 GARCH模型的参数估计

2.4 Bayes统计理论及其主要结果

2.4.1 Bayes统计推断中的后验分布

2.4.2共轭先验分布(conjugate prior distribution)

2.4.3马尔可夫链蒙特卡罗方法(MCMC)

2.5评价模型优良性的六种预测误差指标

第三章GARCH类模型在波动性建模中的实证研究

3.1上证指数的收益率的基本统计描述及其时间序列建模

3.2上证指数的收益率GARCH模型的建立

3.3参数GARCH模型系数估计中存在的问题

第四章MCMC算法在上证指数波动性建模中的应用

4.1马尔可夫链蒙特卡罗方法(MCMC)

4.1.1马尔可夫链模拟

4.1.2 Gibbs抽样

4.1.3 Metropolis算法和Metropolis-Hasting算法

4.2 MCMC算法在GARCH(1，1)参数估计中的应用

4.2.1 GARCH(1，1)模型参数的先验设定和参数的后验分布

4.2.2联合后验分布的模拟

4.2.3 ARCH系数α的生成

4.2.4 GARCH系数β的生成

4.3应用MCMC方法的实证分析

4.4模型的应用

4.4.1风险价值VaR

4.4.2基于两种估计法模型下的VaR

第五章总结与展望

5.1总结

5.2展望

致谢

参考文献

附录

研究成果 在攻读硕期间发表的论文