多维分形马尔可夫转换模型的广义矩估计及其实证运用

在广义矩估计法(GMM)的基础上,提出基于连续时间以及任意维离散时间多维分形过程的参数估计方法。一方面,这一方法吸取了Calvet和Fisher(2001)多维分形马尔可夫模型的长处,可以比较方便地对时间序列的非平稳性和复合过程进行处理;另一方面,本文模型又克服了极大似然法(MLE)和贝叶斯方法在大样本条件下其波动率序列参数估计难以用计算机实现的缺陷。Monte Carle模拟的结果显示,GMM估计在二项式模型和对数正态分布模型中具有非常优良的统计性质。实证运用的结果也证实了GMM估计方法在大样本多维度下的统计优势及其必要性。