基于馬爾科夫轉(zhuǎn)換ARCH模型的上證綜指波動(dòng)率研究.pdf

1、作為經(jīng)濟(jì)走勢(shì)的晴雨表，我國(guó)的股票市場(chǎng)在經(jīng)過了20多年的發(fā)展，積累了較大的泡沫成分，體現(xiàn)出一定程度的市場(chǎng)波動(dòng)性，故度量、刻畫分析波動(dòng)的特征有著重要的意義。本文以上證綜指收益率序列為例，對(duì)于這類復(fù)雜的金融數(shù)據(jù)，采用極大似然估計(jì)方法得出簡(jiǎn)單的GARCH族模型無法刻畫出波動(dòng)序列的尖峰厚尾性，聚集性，長(zhǎng)期記憶性以及杠桿性等諸多特征。
　　因此，為了能夠更好的刻畫出波動(dòng)特征，本文首先嘗試?yán)肦/S分析法，假設(shè)殘差分別在正態(tài)分布、t分布、GED

2、分布及SKT分布下，使用“滾動(dòng)時(shí)間窗”的方法對(duì)波動(dòng)率進(jìn)行預(yù)測(cè)，并采用ARFIMA(p,d,q)-EGARCH(m,n)-M模型對(duì)收益率序列進(jìn)行了實(shí)證分析。實(shí)證結(jié)果表明：上證收益率序列存在長(zhǎng)記憶性；基于SKT分布條件下ARFIMA(2,1)-EGARCH(1,1)-M模型能夠較好的處理序列尖峰厚尾和聚集等特征并且較其他分布條件下具備較強(qiáng)的預(yù)測(cè)精度。
　　隨后在GARCH族模型的基礎(chǔ)上，結(jié)合了馬爾科夫機(jī)制轉(zhuǎn)換的狀態(tài)空間模型對(duì)其進(jìn)行了擴(kuò)

3、展，文中討論了三狀態(tài)的MS-ARCH(3)模型，并且采用MCMC方法對(duì)參數(shù)進(jìn)行估計(jì)，將采樣Metropolis-Hasting取樣法嵌套于Gibbs取樣法中的方法，對(duì)參數(shù)進(jìn)行取樣。研究發(fā)現(xiàn)：MS-ARCH模型比GARCH族模型在刻畫波動(dòng)聚集特征方面表現(xiàn)的更優(yōu)異，尤其是能夠處理GARCH族所不能刻畫的結(jié)構(gòu)突變的特點(diǎn)，MS-ARCH優(yōu)勢(shì)還體現(xiàn)實(shí)際應(yīng)用方面，如危機(jī)預(yù)警的作用。此外，還建議投資者把握好高波動(dòng)時(shí)的獲益機(jī)會(huì)，但是當(dāng)高波動(dòng)狀態(tài)開始大量