厚尾随机波动率模型的贝叶斯参数估计及实证研究.pdf

第 34卷第 1期 经 济 数 学 Vo1．34，No．1 2017年 3月 JOURNALOFQUANTITATIVEECONOMICS M ar．20 17 厚尾随机波动率模型的贝叶斯参数估计及实证研究 黄文礼 ，张睿轩 (1．浙江财经大学 中国金融研究院，浙江 杭州 310058； 2．宁波大学 商学院，浙江 宁波 315211) 摘 要 针对现有时间序列模型难以刻画参数渐变性的问题，对厚尾随机波动 (sV)模型的参数估计方法 进行 了推广 ，采用基于贝叶斯的MCMC方法，选取 2013年 5月~2016年 6月这一经历多轮震荡的上证指 数作为实证分析对象，构造 了基于Gibbs抽样的MCMC过程进行仿真分析．结果显示，以卡方分布作为厚 尾参数的先验分布能够有效地描述数据波动的厚尾特征，并且能得到较高精度的参数估计结果．结果表 明，厚尾 SV模型能有效反映出我 国股市尖峰厚尾和波动长期记忆性的特征． 关键词 SV模 型 ；贝叶斯估计 ；MCMC方法 中图分类号 0218．8 文献标识码 A BayesianEstimation oftheThick--TailedStochasticVolatility M odel EmpiricalStudyofShanghaiCompositeIndex HUANG W en—li。ZHANG Rui—xuan。 (1．ChinaAcademyofFinancialResearch，ZhejiangUniversityofl~nanceandEconomics，Hangzhou，Zhejiang 310058，hCina； 2．SchoolofBusiness，NingboUniversity。Ningbo。Zhejiang 315211。China) Abstract Tosolvetheproblem thatthecurrentstochasticvolatilitymode1cannotdescribethecharacteristicsofparameters time-changingproperty，thispaperextendedtheparameterestimationmethodologyofthethick-tailedstochasticvolatilitymodel，and chosetheShanghaiCompositeIndexfrom May．2013toJune．2016asempiricalstudysampleswhichfluctuatedseveraltimes．Further— more，thispaperestablishedtheMCMCprocedurebasedonGibbssamplingmethodtosimulatethemode1．Theresultindicatesthattak— ingchi-squaredistributionasthepriordistributionofthethick-tailedparametercandescribethick-tailedpropertyofthedataprecisely andcangetmoreaccurateparameterestimationresult．Accordingtothereasonsabove，thispaperarguesthatSVTmodelcancharac— terizetheChinesestockma rket’Svolatilityandlong-term memorypropertiesefficiently． Keywords stochasticvolatilitymodel；Bayesianestimation；MCMCmethod gel_1提出的