基于Markov Chain Monte Carlo方法對(duì)我國股票市場(chǎng)收益率的預(yù)測(cè).pdf

1、近年來，股票慢慢成為金融市場(chǎng)中主要的理財(cái)工具，對(duì)股票市場(chǎng)收益率的良好把握有助于人們優(yōu)化手中的資產(chǎn)配置，因此如何正確預(yù)測(cè)股票市場(chǎng)的收益率漸漸成為了經(jīng)濟(jì)金融研究中的熱點(diǎn)問題。為此，一些學(xué)者開始試圖應(yīng)用先前的理論將股票收益率與其他變量相聯(lián)系，通過統(tǒng)計(jì)學(xué)方法并建立數(shù)學(xué)模型來尋找股票收益率與其他變量的數(shù)量關(guān)系，嘗試得到股票市場(chǎng)收益率的預(yù)測(cè)。
　　本文實(shí)證研究運(yùn)用2006年3月至2015年6月間的月度數(shù)據(jù)，通過我國的勞動(dòng)收入增長率、消費(fèi)增長率

2、和國債利率三個(gè)因子對(duì)我國股票市場(chǎng)收益率進(jìn)行預(yù)測(cè)?；趥鹘y(tǒng)的回歸方程預(yù)測(cè)的種種弊端，通過整理VAR模型的邏輯結(jié)構(gòu)，設(shè)置了各參數(shù)的先驗(yàn)分布，依據(jù)貝葉斯理論對(duì)模型中各參數(shù)的后驗(yàn)分布進(jìn)行推斷。并利用MCMC方法、Gibbs抽樣算法和Kalman濾波器理論對(duì)VAR模型中的參數(shù)進(jìn)行迭代抽樣，以精確地估計(jì)各參數(shù)值，進(jìn)而完成對(duì)市場(chǎng)收益率的預(yù)測(cè)。
　　本文主要的貢獻(xiàn)點(diǎn)包括三點(diǎn):(1)完善和補(bǔ)充了傳統(tǒng)的回歸方程，通過引入股票市場(chǎng)收益率的條件期望μt，

3、建立了VAR(1)模型，意圖通過控制rt和μt兩個(gè)序列的殘差間相關(guān)系數(shù)ρuw的先驗(yàn)分布的信息含量，來解決傳統(tǒng)回歸方程預(yù)測(cè)時(shí)因子選擇不當(dāng)、擬合精度低、估計(jì)參數(shù)較多的問題。(2)本文在對(duì)μt進(jìn)行迭代抽樣時(shí)，用到了Kalman濾波器理論，可以避免原始序列的噪聲對(duì)預(yù)測(cè)的影響，獲得更精準(zhǔn)的估測(cè)值。(3)通過自身模型與相同預(yù)測(cè)因子下回歸方程的R2進(jìn)行對(duì)比，定義新的指標(biāo)R2比來判斷模型的有效性。最終，通過預(yù)測(cè)收益率與真實(shí)收益率的對(duì)比顯示，相對(duì)于傳統(tǒng)的