馬爾可夫機制轉換模型的統(tǒng)計分析及金融方面的應用研究.pdf

1、馬爾可夫機制轉換模型是當今比較流行的一種動態(tài)時間序列模型，它能將不完全可預見的、不確定的機制轉換看作為一個隨機變量，在時間上就具備了隨機性和連續(xù)性的特點。隨著馬爾可夫機制轉換模型的不斷發(fā)展，將其與和傳統(tǒng)的時間序列模型相結合，被廣泛的應用于經濟和金融領域的研究中。
　　在大量的實證研究中發(fā)現(xiàn)，金融時間序列具有波動聚集性、結構不穩(wěn)定性和尖峰后尾的特點，而傳統(tǒng)的時間序列已經不能很好的刻畫金融時間序列的這些特性。為更好地解決這類問題，將馬

2、爾可夫機制轉換模型與傳統(tǒng)的時間序列模型結合起來，提出了MRS-AR和MRS-GARCH等模型，解決了結構突變所帶來的問題。但由于殘差序列服從不同的分布，所以在正態(tài)分布的基礎上，拓展到t分布和廣義誤差分布等有偏分布中，大大提高了模型的擬合效果。
　　本文選取2005年1月4日到2016年9月29日上證指數(shù)和2009年11月2日至2016年9月29號匯率日收盤價的對數(shù)收益率序列作為研究樣本。分別采用基于MCMC估計方法下的GARCH模

3、型和基于MCMC估計方法不同分布形式的MRS-GARCH模型對數(shù)據(jù)進行建模，并對模型參數(shù)進行比較分析。在此基礎上，運用不同分布形式下的MRS-GARCH模型對樣本外數(shù)據(jù)進行預測，并對預測結果進行比較分析。同時，應用高斯混合模型的EM算法對數(shù)據(jù)的狀態(tài)數(shù)目進行檢驗。實證結果表明:
　　(1)運用MCMC估計方法對GARCH模型的參數(shù)進行估計，通過構造系數(shù)的方法進行實證分析，并與基于MCMC估計方法下的MRS-GARCH模型的參數(shù)進行比