文章针对金融市场长记忆特征的刻画问题,构建了贝叶斯长记忆随机波动模型。在LMSV模型的基础上,结合状态空间转换以及Kalman滤波分析,同时将向前滤波向后抽样算法引入对波动变量的估计过程中,推断出随机波动模型各参数的满条件后验分布,设计Gibbs联合抽样算法,据此估计模型参数,并对SHFE黄金期货价格和TOCOM黄金期货价格数据进行了实证分析。

文章运用Gibbs抽样的MCMC方法对上证综指建立SV-N、SV-MN、LeverageSV三类随机波动模型,并利用DIC准则进行优劣比较分析。实证结果表明,具有杠杆效应的随机波动模型,即LeverageSV模型较其他两类模型能更好地描述上海股市的波动性。

近年来,ARMA、GARCH模型的研究一直是金融统计方向研究的热点。但是少有人研究ARFIMA-GARCH模型。因此本文提出ARFuNA(p,d,q)-GARcH(r,s)模型,该模型对r=O,s=O时退化为ARMA类模型,对p=O,q=O,d=O时就退化为GARCH模型,它囊括了时间序列的各种情形的。由于理论和实证表明对各种ARMA、GARCH类模型基于常用分布的似然函数得到的模型估计精度不高,故本文提出了基于贝叶斯方估计的MCMC方法来估计模型参数。这样就充分利用了样本信息和模型参数先验信息,因而具有更小的方差,能得到更精确的估计结果。最后本文以上证综合指数五分钟数据来进行仿真分析,建立了...

吉布斯(Gibbs)抽样可以在给定协方差数据和参数的先验分布条件下获得结构方程参数的后验分布样本。参数的点估计、区间估计和标准误就可以用这些样本数据计算。然而,在小样本的情况下,不考虑样本规模和似然面形状时,吉布斯抽样能得到较为正确的后验分布。当参数的先验分布充分,它的后验估计值可以被用于对不可识别结构方程模型的参数进行贝叶斯推断。

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。GJR-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

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。GJR-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。

本文采集了我国A股市场所有上市公司的价格数据和收益率数据,分别采用R/S、MR/S和V/S检验方法进行实证研究,发现:1数据平稳性特征会对长记忆性检验结果造成直接影响,而股票价格和收益率数据不都是平稳的,因此,应该事先对数据进行平稳性检验;2不同股票样本、不同检验方法得到的检验结果有较大差异,根据市场指数或部分股票样本探究股市长记忆性有一定的片面性;3同一时间段,数据采样间隔(日、周)会影响到数据总量,进而造成长记忆性检验结果的差异。对A股市场的股票总体分析表明,无法给出市场长记忆特征的最终结论。因此,相对股市整体而言,探究个股长记忆性特征更具有研究价值。

针对非对称厚尾GARCH模型参数的预选分布很难确定的问题。对模型参数空间进行数据扩张,把模型中的厚尾残差分布表示成正态分布和逆伽玛分布的混合分布,然后通过对参数的后验条件分布进行变换获得参数的预选分布,从而利用M-H抽样实现了非对称厚尾GARCH模型的贝叶斯分析。中国原油收益率波动的实证研究发现中国原油收益率的波动具有高峰厚尾性但不存在"杠杆效应",样本内的预测评价发现基于M-H抽样的贝叶斯方法优于极大似然方法,说明了M-H抽样方案设计的有效性。

GARCH模型是研究金融资产收益的重要模型,然而现有参数GARCH模型依然不能有效刻画金融资产收益偏态厚尾特性且存在模型设定风险。本文在非参数分布和GARCH模型基础上,建立半参数GARCH模型以提高模型的有效性;同时在贝叶斯框架内发展有效MCMC抽样解决模型的参数估计难问题,并利用DIC4研究模型比较问题;最后通过模拟研究和实证研究考察MCMC抽样的有效性,检验半参数GARCH模型在刻画金融资产收益特性和风险价值预测方面的实际效果。

通货膨胀预期是影响实际通胀的重要变量,也是货币政策有效运用的关键因素。在新凯恩斯混合菲利普斯曲线的理论框架下构建状态空间模型,利用贝叶斯Gibbs抽样算法估计我国2001—2013年的季度预期通胀率,进一步利用VAR模型及脉冲响应函数分析我国通胀预期对实际通胀的动态影响,实证结果显示:我国季度预期通胀率的适应性特征强于理性特征;适应性预期冲击在短期对实际通胀会产生较大影响,但累积效应在大约9个季度之后消失;理性预期冲击对实际通胀的正向影响会持续较长时间,并最终将实际通胀推高到一个新的水平。因此,货币政策应

用基于Gibbs抽样的贝叶斯方法估计了大白猪遗传评估中主选性状的遗传参数.结果为:达100 kg体重日龄的窝效应c2为0.182,遗传力为0.346,属于中等遗传力;100 kg体重校正背膘厚的窝效应c2为0.059,遗传力为0.479,属于高遗传力,后备猪达100 kg体重日龄的窝效应大于背膘厚的窝效应;达100 kg体重日龄与100 kg体重校正背膘厚的遗传相关系数为-0.249;大白母猪总产仔数的遗传力较低,为0.119.

选取2011至2015年日频数据,采用时变状态空间模型、结构方程模型,对上海黄金期货市场有效性与市场深度、市场流动性、噪声交易、投机率和信息非对称关系展开了深入研究。实证结果表明:黄金期货市场有效性渐进趋向弱势有效,于2014年末实现弱式有效。从宏观制度层面分析,平今仓免收手续费和连续交易制度是有效性提升的原因,从微观层面深入分析,市场流动性和市场深度才是提升有效性的根本原因,而信息非对称阻碍了市场有效性的形成,噪声交易和投机率对其无显著影响。市场深度和市场流动性间至相促进,市场有效性对噪声交易与投机率均具有抑制作用,市场深度对噪声交易和信息非对称产生抑制作用,投机率对市场深度和市场流动性存在微弱促进作用。

应用先验判断的益处在于减少样本量、降低审计费用、提高审计效率和实施更加有效的风险管理。先验判断结合样本信息之前需要量化 ,贝叶斯应用属性审计的关键是选择最佳的β分布 ,结合样本审计证据不断地修正判断。

近年来交易成本和流动性对于股票资产的预期收益或定价影响受到学术界和业界的关注,期货市场的各种交易产生大量数据,这些数据中隐藏着重要的信息,但采用逐笔高频交易数据对期货市场交易成本、流动性和资产定价问题进行系统研究的比较少,对期货市场交易成本和流动性的内涵、特征、度量方法,以及交易成本和流动性在期货资产定价中的作用等问题有待深入探讨。从序贯交易模型的视角,基于贝叶斯参数估计方法及逐笔高频交易数据和每日收盘价格数据测量期货市场的交易成本,对不同交易成本和流动性测量方法进行比较研究,探讨各种交易成本与流动性的相互关系,选出合适的流动性测量方法。同时,从逐笔高频交易数据存在报价离散化、价格聚集和非对称信息等方面对交易成本模型修正和扩展。将交易成本与真实收益率结合并考虑市场规模和周内效应的作用,构建期货市场资产定价模型,从中国期货市场选取不同品种的主力合约数据进行实证研究。研究结果表明,基于贝叶斯参数估计和逐笔高频交易数据的交易成本的测量方法具有明显的优点,可以克服传统基于矩估计交易成本测量交易成本的不足,更适合用来作为流动性的代理变量。(1)订单对价格存在比较显著的冲击现象,这些冲击表明私人信息被包含在这些合约的交易里。(2)基于完整模型的交易成本更适合用来作为流动性的代理变量,与定义法的流行性成本估计值的相关系数更高,基于逐笔高频交易数据和完整模型的交易成本是最优的流动性的代理变量。(3)交易成本确实被包含在超额收益中,总体来说,交易成本对资产收益率的影响具有比较明显的周内效应。因此,流动性对投资期货的收益率有很大贡献,为了达到更高的收益,通常需要为获得好的流动性而付出更高的代价。从序贯交易模型的视角,基于贝叶斯参数估计方法和逐笔高频交易数据测量期货市场的交易成本,有助于市场参与主体更好地认识和分析期货市场的交易成本、流动性和资产收益之间的关系,对市场监管机构有效评估市场质量、设计合理的期货市场交易制度、有效降低市场交易者的交易成本、增强期货市场流动性、提高市场运行效率具有一定的参考价值。

近年来交易成本和流动性对于股票资产的预期收益或定价影响受到学术界和业界的关注,期货市场的各种交易产生大量数据,这些数据中隐藏着重要的信息,但采用逐笔高频交易数据对期货市场交易成本、流动性和资产定价问题进行系统研究的比较少,对期货市场交易成本和流动性的内涵、特征、度量方法,以及交易成本和流动性在期货资产定价中的作用等问题有待深入探讨。从序贯交易模型的视角,基于贝叶斯参数估计方法及逐笔高频交易数据和每日收盘价格数据测量期货市场的交易成本,对不同交易成本和流动性测量方法进行比较研究,探讨各种交易成本与流动性的相