本站原创
摘要：在计量经济学建模中,确定经济变量的分布是一个非常重要的环节,因为模型参数的估计与检验都是以变量的概率分布为基础的。在探讨证券市场波动性时,人们通常检测设收益率服以正态分布,但是正态分布并不能刻画收益率高峰厚尾、负偏等特点。由此,寻找更合适的分布来拟合收益率以及建立更理想的波动率模型,不仅有利于进一步改善金融计量浅析策略；而且,有利于投资者正确度量市场风险和制定投资对策；同时,也有利于证券业监管机构准确把握市场动态和制定科学的监管措施。本论文以资产收益率的特点出发,结合我国证券市场涨跌停板交易的制度特点,提出我国证券市场收益率分布在有限区间内的观点,同时借鉴混合正态分布的处理技术,构造混合贝塔分布来拟合上证A股综指简单收益率。实证浅析发现,混合贝塔分布充分刻画了上证A股综指简单收益率高峰、厚尾和负偏的分布特点。为了探讨上证A股综指简单收益率的波动性,本论文建立了混合贝塔分布的随机波动模型,提出了估计混合贝塔分布随机波动模型的贝叶斯浅析策略。首先讨论了基于混合贝塔分布的随机波动模型的模型结构；其次推导出这类随机波动模型的似然函数,以及各待估参数的条件后验密度函数；并且给出了Gibbs抽样算法；最后,基于Gibbs抽样的WINBUGS软件实现了混合贝塔分布随机波动模型参数的后验分布抽样和估计。另外,以上海证券市场的上证A股综合指数为例,建立上证A股市场收益率的混合贝塔分布随机波动模型(SV-M),实证浅析发现,基于混合贝塔分布的随机波动模型(SV-M)较好地刻画了收益率高峰、厚尾和负偏的特点,较准确地拟合了样本数据的真实生成历程。并且,与基于正态分布的随机波动模型(SV-N)的比较浅析发现,SV-N模型低估了证券市场的平均波动水平,高估了波动的持续性。关键词：混合贝塔分布随机波动模型论文贝叶斯浅析论文条件后验密度函数论文Gibbs抽样论文
内容摘要4-5
Abstract5-8
第1章 导论8-14
1.1 探讨背景与作用8-9
1.2 国内外探讨近况9-12
1.2.1 资产收益率拟合分布的探讨9-10
1.2.2 随机波动模型的探讨10-12
1.3 探讨内容及革新点12-14
1.3.1 探讨内容12-13
1.3.2 革新点13-14
第2章 贝叶斯计量浅析论述14-22
2.1 贝叶斯论述介绍14-17
2.1.1 贝叶斯定理15
2.1.2 先验分布的确定15-16
2.1.3 后验分布的计算16-17
2.2 马尔科夫蒙特卡洛(MCMC)策略17-20
2.2.1 马尔科夫链17
2.2.2 蒙特卡洛定积分计算17-18
2.2.3 MCMC策略的基本原理18-19
2.2.4 Gibbs抽样策略19-20
2.3 贝叶斯浅析工具WINBUGS的利用20-22
第3章 资产收益率混合贝塔分布的拟合22-30
3.1 资产收益率的分布特点22-23
3.2 选择混合贝塔分布拟合资产收益率的理由23-25
3.3 资产收益率混合贝塔分布的拟合25-30
3.3.1 样本选择及描述性浅析25-26
3.3.2 混合贝塔分布的估计和拟合26-30
第4章 混合贝塔分布随机波动模型(SV-M)的建模30-45
4.1 SV-M模型结构浅析30-33
4.1.1 随机波动模型介绍30
4.1.2 SV-M模型结构浅析30-33
4.2 SV-M模型的贝叶斯浅析33-35
4.2.1 SV-M模型后验分布浅析33-34
4.2.2 SV-M模型后验条件分布浅析34-35
4.3 实证浅析35-45
4.3.1 上证A股综指收益率的SV-M模型35-41
4.3.2 SV-M模型与SV-N模型的浅析与比较41-45
第5章 结论45-47