科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文从描述时间序列波动聚类性质的SV模型出发,以金融应用为背景设定均值方程具有厚尾T分布。针对金融数据中常见的周期性异质现象,设定描述乘性异质波动的SV模型,并以周期性波动成分作为混合参数将之表示为正态分布尺度混合(SMN)形式,推导了模型的Bayesian后验分级模型,由此估计SV模型的参数。混合参数的先验分布尝试两种设定,一是参考以往SMN应用文献设定为IGamma(v/2,v/2)分布,二是结合实际应用背景区别于以往文献提出一种适应性先验。模拟结果说明两种先验均可获得准确的参数估计,并准确提取周期性异质波动成分,而适应性先验具有更高的估计精度,且在波动分析方面表现出显著优势。在沪深两市的实证应用中两种先验下获得一致的结论,两市收益和波动均存在星期工作日的异质性,从模型比较和预测效果来看适应性先验仍具优势。
- 单位
