基于APF算法的贝叶斯金融厚尾MSSV模型研究

摘要：

针对金融时间序列普遍具有的波动聚集性和厚尾特征,将对风险管理尤为重要的一些极端点纳入模型之中,构建厚尾马尔科夫转移随机波动模型,采用带辅助变量的粒子滤波算法对波动和潜在状态进行预测,并估计模型参数.由于t分布与正态分布的特殊关系,通过选取不同自由度进行仿真分析,研究发现MSSV-t模型较一般MSSV模型对于消除波动持续性参数的高估问题更加有效.结合对中国上证综指股价波动的实证研究,证明了基于APF算法的MSSV-t模型在潜在波动状态的预测及突发事件的探测方面具有优良的性质,同时具备提高波动预测精度的能力.

关键词：时间序列分析、贝叶斯推断、MSSV模型、APF、仿真

所属期刊栏目：24

分类号：F064.1;O212.8(经济学分支科学)

资助基金：国家自然科学基金项目《随机波动预测模型的贝叶斯分析及其在金融领域中研究》70771038;教育部人文社会科学规划项目《时间序列计量经济模型的贝叶斯分析及其应用研究》06JA910001

在线出版日期：2009-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：3-9,42