版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、連續(xù)時間模型在金融領(lǐng)域中具有廣泛的應(yīng)用.隨著國際國內(nèi)金融市場的迅速發(fā)展,金融市場的波動也日益加劇,風(fēng)險不斷增大.對于金融市場上波動的特性及其內(nèi)在機制和經(jīng)濟含義的深入分析,已經(jīng)成為經(jīng)濟學(xué)研究中的一個重要方向. 基于此,本文以貝葉斯原理為工具分析了資產(chǎn)收益的連續(xù)時間模型.本文的主要工作和創(chuàng)新點如下: 1)運用"馬爾可夫鏈蒙特卡羅"模擬(MCMC)方法進行參數(shù)估計,這種方法可以有效的處理高維參數(shù)及高維隱含變量的估計問題.使用C
2、++語言開發(fā)了包含隱含變量的連續(xù)時間模型估計的基于MH算法的MCMC方法,并用該方法估計了雙指數(shù)跳躍擴散模型. 2)研究了連續(xù)時間資產(chǎn)收益變結(jié)構(gòu)模型.給出了連續(xù)時間BS變結(jié)構(gòu)模型和連續(xù)時間隨機波動變結(jié)構(gòu)模型,提出了應(yīng)用MCMC方法的連續(xù)時間變結(jié)構(gòu)模型的單一變結(jié)構(gòu)點的定位方法,并提出了連續(xù)時間多變結(jié)構(gòu)點模型的變結(jié)構(gòu)點定位方法;該方法在確定變結(jié)構(gòu)點位置的同時,又能估計相應(yīng)的模型參數(shù).用該方法對上海股市綜合指數(shù)的收益序列進行了變結(jié)構(gòu)分
3、析,理論與實證結(jié)果表明該方法是有效且可行的. 3)研究了拋物線跳躍擴散模型.首先將跳躍因子引入到拋物線擴散模型中; 接著,用基于Milstein的方法獲得參數(shù)后驗分布的離散密度,使用MCMC方法來估計拋物線跳躍擴散模型,最后用所得的估計值模擬了資產(chǎn)收益序列.通過上面的結(jié)果,不但發(fā)現(xiàn).MCMC方法較其他方法,如ML方法,更適合含有隱含變量的模型估計;還說明了拋物線跳躍擴散模型(HJD)能夠很好的擬合資產(chǎn)收益的經(jīng)驗特征,如有
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 連續(xù)時間模型的貝葉斯分析和金融應(yīng)用研究.pdf
- 混合模型的貝葉斯分析.pdf
- 競爭失效模型的貝葉斯分析.pdf
- 回歸模型中的貝葉斯分析.pdf
- MA(q)模型的貝葉斯分析.pdf
- 帶有趨勢項的時間序列貝葉斯模型擬合.pdf
- 圖模型結(jié)構(gòu)的貝葉斯分析.pdf
- 時間序列及貝葉斯模型在沉降預(yù)測中的應(yīng)用.pdf
- 缺失數(shù)據(jù)的貝葉斯模型處理.pdf
- 多元廣義泊松回歸模型的貝葉斯分析.pdf
- 貝葉斯時間序列動態(tài)模型.pdf
- 基于貝葉斯Markov轉(zhuǎn)換模型的股市收益與通脹動態(tài)關(guān)系研究.pdf
- 貝葉斯動態(tài)模型的模擬處理.pdf
- 短期利率模型的貝葉斯估計.pdf
- 貝葉斯經(jīng)濟時間序列預(yù)測模型及其應(yīng)用研究.pdf
- 啟東肝癌發(fā)病資料的貝葉斯圖解模型分析.pdf
- 貝葉斯算法原理分析
- 基于周期的貝葉斯網(wǎng)絡(luò)預(yù)測模型.pdf
- 基于貝葉斯網(wǎng)絡(luò)的預(yù)測模型研究.pdf
- 非高斯SV模型的貝葉斯估計.pdf
評論
0/150
提交評論