19156.馬爾科夫轉(zhuǎn)換garch模型的mcmc參數(shù)估計和方法研究

1、馬爾科夫轉(zhuǎn)換GARCH模型的MCMC參數(shù)估計和方法研究重慶大學碩士學位論文（學術(shù)學位）學生姓名：馬艷青指導老師：黃光輝副教授專業(yè)：統(tǒng)計學學科門類：理學重慶大學數(shù)學與統(tǒng)計學院二O一五年五月重慶大學碩士學位論文中文摘要I摘要金融數(shù)據(jù)存在著尖峰厚尾、波動聚集性以及杠桿效應等重要統(tǒng)計特征。ARCH模型、GARCH類模型以及衍生的GARCH類模型能很好的刻畫這些特征。然而，隨著全球經(jīng)濟一體化，金融市場總是不斷變換，使得金融時間序列在不同時期可能呈

2、現(xiàn)出不同的波動狀態(tài)，金融市場波動就可能存在結(jié)構(gòu)突變，因此對波動率的變結(jié)構(gòu)建模是很有必要的。傳統(tǒng)的GARCH模型由于單結(jié)構(gòu)、參數(shù)固定，不能反映該結(jié)構(gòu)變化，使得波動的描述和預測不夠準確。Hamilton年提出MarkovSwitching模型（MS模型），為金融數(shù)據(jù)的變結(jié)構(gòu)建模提供了新的思路和方法。為了更好地描述金融時間序列波動普遍存在的結(jié)構(gòu)突變問題，本文在單一狀態(tài)GARCH模型的基礎上引入Markov狀態(tài)轉(zhuǎn)換模型，建立的馬爾科夫轉(zhuǎn)換GAR

3、CH模型，將波動劃分為高、低兩種波動狀態(tài)，使得各個狀態(tài)機制對應的GARCH模型擁有不同的參數(shù)結(jié)構(gòu)，狀態(tài)的轉(zhuǎn)移服從馬爾科夫過程。由于模型存在路徑依賴問題，極大似然估計不可行。本文從貝葉斯觀點出發(fā)，利用MCMC(MarkovchainMonteCarlo)模擬的Gibbs抽樣方法對模型進行參數(shù)估計，有效避免了路徑依賴問題。然后，本文實證分析是以上證綜指為研究對象，分析我國股票市場的波動性，結(jié)果表明我國股票市場確實存在變結(jié)構(gòu)特點，兩狀態(tài)的MS