基于MCMC算法的时变Copula—GARCH—t模型参数估计及应用
本文假设单变量时序的新息服从标准的学生t分布,提出多元时变Copula—GARCH—t模型,利用蒙特卡洛马尔科夫链(MCMC)算法对模型参数进行贝叶斯统计推断,给出了多个资产组合风险VaR和CV水的度量方法,并基于风险最小化原则确立了最佳的资产配置模型。实证分析表明,MCMC方法优于经典的IFM方法,能够充分捕捉到中关股市的时变相依结构及相关系数和尾部指数的动态特征。
MCMC算法、Copula—GARCH、时变相依结构
28
F224.0(经济计算、经济数学方法)
国家自然科学基金;高等学校博士学科点专项科研基金;重庆大学研究生科技创新项目
2012-04-21(万方平台首次上网日期,不代表论文的发表时间)
90-105,150