基于穩(wěn)定分布的GARCH模型的Bayes參數(shù)估計(jì)及其實(shí)證分析.pdf

1、金融市場(chǎng)中的數(shù)據(jù)一般具有高峰厚尾的特征，然而傳統(tǒng)的分布對(duì)這種厚尾特性描述不足，穩(wěn)定分布不僅能夠捕獲這種特性，還能刻畫(huà)數(shù)據(jù)的偏性，它具有一系列良好的性質(zhì)，可是由于沒(méi)有顯示的密度函數(shù)，其參數(shù)估計(jì)具有一定的困難，本文著重從貝葉斯的觀點(diǎn)運(yùn)用MCMC方法對(duì)其進(jìn)行參數(shù)估計(jì)，并推廣到金融中常用的計(jì)量模型GARCH模型。本文的結(jié)構(gòu)安排如下： 本文首先簡(jiǎn)單介紹了如何衡量金融市場(chǎng)中的收益，描繪了金融市場(chǎng)的特征，簡(jiǎn)述了常用的擬合金融數(shù)據(jù)的分布及其簡(jiǎn)要

2、特點(diǎn)。接著給出了穩(wěn)定分布的四種等價(jià)定義方法，詳細(xì)的分析了穩(wěn)定分布的性質(zhì)，提出如何利用簡(jiǎn)單隨機(jī)數(shù)產(chǎn)生穩(wěn)定分布的隨機(jī)變量以便我們進(jìn)行分析研究，借助穩(wěn)定分布近似密度函數(shù)的圖形我們對(duì)它的特征會(huì)有更加直觀的認(rèn)識(shí)。 第四章通過(guò)引入輔助變量，運(yùn)用Gibbs抽樣方法來(lái)實(shí)現(xiàn)穩(wěn)定分布四個(gè)參數(shù)的估計(jì)。其中輔助變量的后驗(yàn)密度是單峰的，因此引入自適應(yīng)舍選抽樣來(lái)提高效率，而特征參數(shù)、偏度參數(shù)和位置參數(shù)的后驗(yàn)密度是多峰的，用切片抽樣來(lái)處理效果較好。在該章中討