【摘要】本文采用'N4O和NDN过程对非高斯CM随机波动率模型进行扩展!建立连续叠加IJKL过程驱动的非高斯CM随机波动率模型!并给出模型的散粒噪声"8(.7P<.),+#表现方式与近似$在此基础上!为了反映的波动率相关性!本文把回顾抽样"Q+70.,R+97)K+816R2)*5#方法扩展到连续叠加的IJKL过程驱动的非高斯CM随机波动模型中!设计了IJKL过程驱动的非高斯CM随机波动模型的贝叶斯参数统计推断方法$最后!采用金融市场实际数据对不同模型和参数估计方法进行验证和比较研究$本文理论和实证研究均表明采用'N4O和NDN过程对非高斯CM随机波动率模型进行扩展之后!模型的绩效得到明显提高!更能反映金融资产收益率波动率变化特征!本文设计的IJKL过程驱动的非高斯CM随机波动模型的贝叶斯参数统计推断方法效率也较高!克服了已有研究的不足$同时!实证研究发现上证指数收益率和波动率跳跃的特征以及波动率序列具有明显的长记忆特性。
【关键词】
《山东医药》 2015-11-03
《科技创新与应用》 2015-11-03
《科技创新与应用》 2015-11-03
《中国管理科学》 2015-11-03
《金融经济学研究》 2015-11-03
《科技创新与应用》 2015-11-04
《科技创新与应用》 2015-11-03
《科技创新与应用》 2015-11-04
010-56259535
关注中教数据库
Copyright © 2013-2016 ZJHJ Corporation,All Rights Reserved
个人中心
退出
发表评论
登录后发表评论 (已发布 0条)点亮你的头像 秀出你的观点