随机波动模型估计方法研究进展

本文对随机波动模型估计方法取得的进展进行了综述与简评 ,并提出了今后值得研究的一些相关问题。

随机波动率Hull-White模型参数估计方法

构建随机波动率的两因子模型,应用两阶段半参数方法估计模型中的常系数参数,使用核估计方法估计长期均值函数,给出了两阶段估计方法的相容性和参数的渐近性性质.实证结果表明了对比常系数模型,引入长期均值函数模型将会改善似然函数估计值,而且也能够很好地解释中央银行和政府已实施政策的有效性.此外,可以在不增加维数的条件下,使用该模型对利率衍生品进行更有效地定价.

带有时变杠杆效应的随机波动率模型参数估计及其应用

为了更好地捕捉金融时间序列中杠杆效应的时变非对称性,本文基于线性样条思想,提出一种带有时变杠杆效应的半参数随机波动率模型,并利用贝叶斯MCMC方法对所提模型中的参数进行了估计.模拟研究表明贝叶斯MCMC方法在所提模型的参数估计方面有着良好的有限样本表现.最后利用本文所提出的带有时变杠杆效应的半参数随机波动率模型对2000年1月4日至2020年8月18日的上证综合指数和深证成份指数日收益数据进行了实证分析,结果表明利用本文所提出的模型拟合这两组实例数据是合理的.

MCMC方法在估计二元随机波动率模型中的应用

金融数据的波动性一直是经济学研究的热点问题之一,随机波动率模型(SV)在波动率建模中有着重要的应用.马尔科夫链蒙特卡罗(MCMC)方法是估计参数的一种有效方法,给出估计一类二元SV模型参数的MCMC算法,并通过WinBUGS软件编程实现了该算法.文章最后给出了模型和程序的一个实际应用.

基于广义矩方法的随机波动率模型参数估计

金融资产价格的风险来自于自身价格的波动,而刻画资产价格波动的指标是波动率.本文以上证综合指数作为研究对象,通过广义矩估计(GMM)方法给出随机波动模型的参数估计和统计推断.借鉴无穷小生成元,条件期望算子和微分算子Taylor展开等知识,从理论上给出GMM的必要条件,即正交矩条件,进一步应用GMM方法研究随机波动率模型的参数估计,并通过应用重度抽样粒子滤波器(SIR)给出随机波动率的过滤估计值.实证结果表明,刻画上证综合指数需要引入随机波动率,同时也发现随机波动率模型能够很好地描述一些重大的经济现象.最后,根据所得参数估计结果,分析了随机波动率模型的欧式看涨期权问题.

随机波动模型的参数估计方法

随机波动(SV)模型是研究金融收益率波动性的一种重要模型,但该模型没有精确的似然函数表达式,对其进行研究具有一定的挑战性。将近十几年来国内外学者提出的不同参数估计方法分为2类,讨论了各种方法的优缺点,并对其给予了评价。

基于非参数GARCH模型的一种波动率估计方法

一、方法描述（一）Bollerslev（1986）提出的标准的GARCH（1，1）形式ε1=√ht

随机波动模型估计及在金融风险防范中的应用

对随机波动 (SV)模型提出了一种基于禁忌遗传算法的伪极大似然 (TSGA- QML )估计 .Monte Carlo试验表明这种方法在参数估计与波动估计上都有较好效果 .利用这一方法对上海股市收益进行了波动分析 ,发现上海股市的收益具有很高的波动持续性 .

对自变量为随机变量的回归模型估计方法的探讨

This paper presents some new ways to estimate the parameters of the linear model by samples in which independent variables are random.

带跳的随机波动模型的参数估计

讨论了带跳的随机波动模型中的参数估计问题,假设跳过程服从双指数跳,波动项服从Heston模型.首先借助Lee-Myland方法识别跳跃部分,运用极大似然估计方法对跳跃部分的参数进行估计.然后将扩散部分离散化之后用极大似然估计方法对扩散项的参数进行估计.最后,利用上证综合指数2015-2018年的历史数据进行实证分析,实验结果表明使用该方法能有效估计带跳的随机波动率模型的参数.

随机解释变量的模型及其估计方法的研究

本文分析了随机性解释变量存在的可能性及其后果 ,其次对解释变量的随机性进行检验 ,最后讨论解释变量为随机变量的模型估计方法 ,包括正交回归估计法、正反向回归估计法、最小特征值估计法和工具变量估计法。

Ornstein-Uhlenbeck随机波动率模型的参数估计

本文研究了波动率过程为Ornstein-Uhlenbeck过程,且波动率过程与股票价格过程的相关系数ρ可为[0,1]中的任一数的随机波动率模型参数估计.给出了OU过程的统计性质,并利用鞅极限理论给出模型中参数的估计式,证明估计量是具有渐进正态性从而是相合的.

随机截断数据Weibull型参数模型的估计方法

构建了数据随机截断情形下的Weibull型参数模型,分别利用经典方法和Bayesian方法对其参数进行了估计。

采用MCMC方法的上海股市随机波动模型

采用贝叶斯统计中的马尔科夫链-蒙特卡罗(MCMC)方法对上海股市的随机波动性进行研究,基于Gibbs抽样的MCMC数值计算过程,对上海股市的随机波动率模型(SV)进行参数估计,并在WinBUGS软件中实现.根据信息判别准则(DIC),对比拟合的SV-N,SV-T,SV-MT模型参数,结果表明:SV-T模型最能反映上海股市波动具有尖峰厚尾的特性,可进一步用于预测样本外的波动率结果.

随机波动率模型下的GMM估计对我国股市的实证分析

随机波动率模型(Stochastic Volatility Mode)是金融时间序列中一个十分重要的模型,广泛应用于验证波动率的随机性。GMM(general moment method)是一种十分有效的运用于线性和非线性模型的参数估计与假设检验中的方法。本文采用GMM方法,来验证我过2001年到2011年的上证指数时间序列是否符合随机波动率模型。

SV模型参数估计的经验特征函数方法

计算基本SV模型和杠杆效应SV模型的联合特征函数,借助经验特征函数方法估计这两个SV模型。使用上海和深圳股票指数收益数据进行实证研究,结果表明经验特征函数方法是一种简单易行的估计SV模型的方法。

基于Gibbs抽样的贝叶斯金融随机波动模型分析

通过分析随机波动模型的统计结构,推断了SV模型似然函数的具体形式,据此构造了模型参数的共轭先验分布.利用贝叶斯定理获得了相应的模型参数后验条件分布.同时,为了获得模型参数的贝叶斯估计及其置信区间,设计了基于Gibbs抽样的MCMC数值计算程序,并利用上海综合指数和深圳成分指数数据进行了建模实证分析,解决了参数随机条件下金融随机波动时间序列建模问题,提高了模型预报精度.

基于随机波动模型的短期负荷预测

研究了负荷时间序列波动性,考虑方差时变特征,提出了基于随机波动(SV)模型的短期负荷预测方法。引入伪极大似然估计解决SV参数估计问题,进而将模型转换为状态空间方程,利用卡尔曼滤波获取标准SV模型参数。另外,还将模型推广为非高斯假设SV模型。利用动态波动曲线的构建,讨论了负荷时间序列条件方差的时变性特征。基于日用电量数据建立了SV族日负荷预测模型,并利用平均绝对百分误差、均方误差、TIC 3种指标将SV族模型预测结果与广义自回归条件异方差(GARCH)模型做了比较,得到SV族模型的前2种指标均小于GARCH模型,而且SV模型的TIC指标更接近于零。算例分析表明了SV族负荷预测模型的可行性和有效性。

部分线性变系数模型的随机约束岭估计

作为变系数模型和部分线性模型的推广,部分线性变系数模型近年来得到越来越多的关注.本文考虑该模型在线性部分自变量存在多重共线性并且参数分量附加有随机约束条件时的估计问题.基于profile最小二乘技术以及岭估计和混合估计方法,构造参数分量的profile混合岭估计,并且研究所提估计量的渐近性质.最后利用数值模拟验证所提估计方法的有效性.