基于状态空间SV-T-MN模型的股指波动率预测

摘要：

本文考虑到金融收益率序列的“尖峰厚尾”和波动持续性等特征,针对厚尾SV-T模型的波动率样本外预测问题,提出了基于状态空间下的SV-T-MN(SV-T with Mixture-of-Normal)模型.首先根据MCMC方法估计SV-T模型参数,然后由EM算法估计混合正态参数,最后利用近似滤波(AMF)算法实现SV-T-MN模型的样本外预测.对KF、EKF、AMF进行的模拟研究表明高斯混合状态空间下的AMF更有效.通过对上证指数和深证成指的股指日收益率序列的实证研究结果表明,在五大损失函数评价准则下,基于状态空间SV-T-MN模型能有效刻画金融收益率序列和尾部的波动性,相比SV-N-MN模型具有更好的优越性.

关键词：状态空间、高斯混合、EM算法、近似滤波

所属期刊栏目：35

分类号：O212(概率论与数理统计)

资助基金：国家自然科学基金11471060;国家社科基金10BJL020;全国统计科学研究项目2014LY069;重庆市教育委员会人文社会科学研究项目15SKG136.

在线出版日期：2016-11-10（万方平台首次上网日期，不代表论文的发表时间）

页码：929-942