GJR-CAViaR模型的贝叶斯分位数回归——基于Gibbs抽样的MCMC算法实现

摘要：

本文将基于Gibbs抽样的MCMC算法引入GJR-CAViaR模型,实现模型的贝叶斯推断.G JR-CAViaR模型是含有递归形式的分位数回归方程,尚未有文献提出如何对其进行贝叶斯分析和MCMC估计.本文首先利用不对称拉普拉斯分布建立GJR-CAViaR模型的似然函数,并通过引入标准指数分布和标准正态分布的混合分布得到不对称拉普拉斯分布的参数解析的条件分布,然后讨论模型的Gibbs抽样过程以及算法实现.对上证综指日收益率数据建立GJR-CAViaR模型,并得到模型参数的贝叶斯估计值.在马尔科夫链收敛的前提下,发现中国证券市场VaR具有自回归性质,且呈现收益对风险的不对称特征.这一特征不会受到样本容量大小及置信水平的影响.

关键词：GJR-CVAiaR、Gibbs抽样、不对称拉普拉斯分布、贝叶斯分位数回归

分类号：F011(经济学基本问题)

在线出版日期：2017-08-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：87-95