基于RASV模型和HMC算法的沪深300指数分析

尝试使用Takahashietal.在2009年提出的RASV模型[1],对沪深300指数的波动率进行建模分析。在确定模型参数时,使用贝叶斯统计推断,并创新性地使用结合了Gibbs抽样思想的HMC算法来模拟生成参数样本。使用的数据是2016年全年的沪深300指数一分钟高频数据,并对得到的模型参数进行了经济学意义分析。

用Velocity Verlet积分器改进HMC抽样方法

Hamilton Monte Carlo (HMC)方法是一种常用的快速抽样方法.在对哈密顿方程进行抽样时,HMC方法使用Leapfrog积分器,这可能造成方程的位置及动量的迭代值在时间上不同步,其产生的误差会降低抽样效率及抽样结果的稳定性.为此,本文提出了IHMC(Improved HMC)方法,该方法用Velocity Verlet积分器替代Leapfrog积分器,每次迭代时都计算两变量在同一时刻的值.为验证方法的效果,本文进行了两个实验,一个是将该方法应用于非对称随机波动率模型(RASV模型)的参数估计,另一个是将方法应用于方差伽马分布的抽样,结果显示:IHMC方法比HMC方法的效率更高、结果更稳定.