基于MCMC抽樣算法的貝葉斯金融面板數(shù)據(jù)模型研究.pdf

1、面板數(shù)據(jù)建模理論與應(yīng)用研究是計(jì)量經(jīng)濟(jì)學(xué)研究的重要領(lǐng)域,但現(xiàn)有的面板數(shù)據(jù)理論假設(shè)與經(jīng)濟(jì)變量的數(shù)據(jù)生成行為和參數(shù)分布是不斷變化的實(shí)際情況不符;漸進(jìn)理論同樣與實(shí)際應(yīng)用中的面板數(shù)據(jù)特性不符,難以保證模型參數(shù)估計(jì)量的優(yōu)良性質(zhì),容易導(dǎo)致小樣本性質(zhì)問題,無法保證模型參數(shù)估計(jì)量的可靠性;當(dāng)前的面板數(shù)據(jù)數(shù)值計(jì)算方法在解決復(fù)雜社會(huì)經(jīng)濟(jì)問題模擬時(shí)出現(xiàn)了困難,難以有效地解決高維積分等數(shù)值計(jì)算問題,阻礙了面板數(shù)據(jù)模型研究的進(jìn)展,這就迫切需要運(yùn)用高效可靠的計(jì)算方法

2、針對性地解決此類問題。
　　 根據(jù)基于MCMC抽樣算法的貝葉斯統(tǒng)計(jì)推斷流程,分別對固定效應(yīng)面板數(shù)據(jù)模型、隨機(jī)效應(yīng)面板數(shù)據(jù)模型、自回歸面板數(shù)據(jù)模型和存在外生變量的動(dòng)態(tài)面板數(shù)據(jù)模型進(jìn)行了模型結(jié)構(gòu)分析與貝葉斯推斷,得到模型的似然函數(shù)和參數(shù)的后驗(yàn)條件分布。設(shè)計(jì)MCMC抽樣算法程序,對隨機(jī)效應(yīng)面板數(shù)據(jù)模型和自回歸面板數(shù)據(jù)模型進(jìn)行了仿真實(shí)驗(yàn),結(jié)果表明貝葉斯推斷中的MCMC抽樣算法可以有效地提高模型參數(shù)的估計(jì)精度和效率。
　　 利用我