基于随机波动性模型的中国股市波动性估计

采用动态随机波动性模型实证研究了中国股票市场的波动性.通过基于马尔可夫链蒙特卡罗(MCMC)模拟的贝叶斯分析方法,较好地估计了随机波动性模型中的参数与波动性序列.基于中国股市数据进行的实证结果表明,与ARCH类模型相比,随机波动性模型能更好地描述股票市场回报的异方差和波动性的序列相关性.

基于不同测度指标的随机波动性模型及其应用研究

引入了基于日内价格幅度与回报两个测度指标的随机波动性模型.利用中国股市数据进行的实证结果表明,与单测度指标的随机波动性模型相比,基于两个测度指标的随机波动性模型能更好地描述股票市场波动性和市场波动风险.

基于随机波动性模型的中国股票市场波动性估计

马尔科夫链蒙特卡洛(MCMC)模拟的贝叶斯分析法针对我国股票市场的波动性进行了科学的分析与研究,这种基于动态随机性的波动模型的设计,能够在参数设定和波动性序列的选择上进行较精准的预测。通过对我国股票实际数据进行实验,并通过比较ARCH类模型,文章充分解析股票市场波动性与异方差之间的关联。

基于SV模型时变参数的中国股市政策效应研究

政策效应是一种广泛的现象,但在我国尤为突出。文章通过对SV模型参数集的时变特性研究表明,时变的参数能够有效地反映我国股市的动态过程。SV模型的这一特性,能够检验我国股票市场的政策效应现象,并解释金融时间序列数据的“杠杆效应”。实证得出我国股市政策效应正逐渐减弱,杠杆效应逐渐显著的结论,表明我国股市逐渐走向成熟和完善,与我国股市发展的历史和现状相符。