扩展SV模型及其在深圳股票市场的应用

被引:9
作者
白崑
张世英
机构
[1] 天津大学管理学院,天津大学管理学院天津,天津
关键词
波动性; 扩展随机波动模型; 伪极大似然估计;
D O I
暂无
中图分类号
F832.5 [金融市场];
学科分类号
1201 ; 020204 ;
摘要
在金融风险的研究中很重要的一个领域就是量测金融风险的波动性。本文所研究的这种波动性指的是资产收益的方差随时间不断变化 ,这在计量经济学中称之为异方差问题。许多高频的金融时间序列都具有异方差现象。对于波动性的量测 (即异方差的量测 ) ,主要有两种模型方法 :其一是 ARCH模型族的量测方法 ,它包括 Engle的 ARCH模型 (1982 )、Bollerslev的 GARCH模型 (1986 )以及在此基础上提出的其他扩展模型 ;另外一种方法就是SV(Stochastic Volatility)模型。本文提出扩展的 SV模型及其参数估计方法和波动估计方法 ,并进行蒙特卡罗试验 ,最后利用扩展 SV模型对深圳股票市场的波动性进行了实证研究 ,说明扩展 SV模型比标准 SV模型描述金融波动性的优越性。
引用
收藏
页码:21 / 26
页数:6
相关论文
共 6 条
[1]  
Bayesian analysis of stochastic volatility models. Jacquier E,Polson N G,Rossi P E. Journal of Business . 1994
[2]  
Likelihood analysis of non-Gaussian parameter -driven models. Shephard N,Pitt M K. Biometrical Journal . 1997
[3]  
Handbook of mathematical functions. Abramovitz M,Stegun N. . 1970
[4]  
Multivariate stochastic variance models. Harvey A C,Ruiz E,Shephard N. The Review of Economic Studies . 1994
[5]  
Monte Carlo maximum likelihood estimation for non-Gaussian state space models. Durbin J,Koopman S J. Biometrical Journal . 1997
[6]  
Quasi -maximum likelihood estimation of stochastic volatility models. Ruiz E. Journal of Econometrics . 1994