基于混合高斯近似和滤波技术的金融波动模型及应用研究

代理获取

页面导航

目录
摘要
著录项
相似文献
相关主题

摘要

在股票期权、原油现货价格、黄金价格等金融随机时间序列的研究中，金融资产价格的风险管理日益重要，尤其是从2008年的金融危机至最近的股市震荡和原油价格暴跌，都凸显了金融资产价格波动测度的重要性。随机波动(SV)模型被提出来已近三十年历史，在众多金融波动建模的研究中仍方兴未艾，同时也是广义自回归条件异方差(GARCH)模型的有效替代和升级，它能更好地刻画金融市场中存在的波动聚集性、高持续性及尖峰厚尾现象等典型特征。然而，由于SV模型的非线性结构及潜在随机扩散过程的引入，导致模型的参数估计和样本外预测难度大大增加。幸运的是，SV模型可在不损失任何信息的条件下将其转换为非高斯线性状态空间模型，但模型在线性化过程中会带来非高斯左偏长尾性质。　　本文利用混合高斯近似原理，以有限个混合正态因子近似该光滑的非高斯分布，从而构建混合高斯状态空间下的SV模型。对于这类混合高斯状态空间模型的待估参数，我们提出以结合马尔科夫链蒙特卡罗(MCMC)方法和模拟EM算法的两步算法获得，与现有方法相比，混合高斯近似误差显著减少。进一步，为了得到模型的样本外预测，我们引入由标准卡尔曼滤波算法发展而来的近似滤波(AMF)算法，AMF算法不仅可应用于实际较长时间序列中，在预测精度上与确切滤波亦非常接近。在实证研究中，我们先后对构建的状态空间SV-N-MN模型和SV-T-MN模型分别在美国WTI原油现货价格市场和沪深股市作了时变波动性预测的应用研究。结果表明，本文构建的混合高斯状态空间SV模型不仅在样本外预测精度较传统的GARCH模型有大幅提升，同时对极值风险的反应也更加灵敏。

著录项

作者
彭相武;
展开▼
作者单位

重庆理工大学;

展开▼
授予单位重庆理工大学;
学科统计学
授予学位硕士
导师姓名苏理云;
年度 2016
页码
总页数
原文格式 PDF
正文语种 chi
中图分类
关键词
金融市场,股市交易,随机波动,AMF模型;

相似文献

中文文献
外文文献
专利

1. 基于模型辨识的SMC滤波技术应用研究 [J] . 张丽妹 ,高占宝 ,尹志兵 . 仪器仪表学报 . 2013,第10期
2. 变结构Copula模型在金融波动溢出效应中应用研究综述 [J] . 杨文青 . 中国市场 . 2022,第002期
3. 基于混合消息传递和部分高斯近似的联合信道估计MIMO-OFDM接收机 [J] . 袁正道 ,王忠勇 ,张传宗 . 信号处理 . 2017,第010期
4. 金融周期、金融波动与中国经济增长——基于省际面板门槛模型的研究 [J] . 刘尧成 ,李想 . 统计研究 . 2019,第010期
5. 基于随机模型的金融波动对农村经济增长影响分析 [J] . 汪桥 ,台德进 . 统计与决策 . 2017,第16期
6. 基于Gabor展开的时频滤波技术及其应用研究 [C] . 郭瑜 ,迟毅林 ,董为民 . 第十八届全国振动与噪声高技术及应用会议 . 2005
7. 基于金融波动模型的Copula函数建模与应用研究 [A] . 李伟 . 2008

基于混合高斯近似和滤波技术的金融波动模型及应用研究

目录

摘要

著录项

相似文献

相关主题

期刊订阅