基于MCMC抽样算法的贝叶斯金融面板数据模型研究

论文摘要

面板数据建模理论与应用研究是计量经济学研究的重要领域,但现有的面板数据理论假设与经济变量的数据生成行为和参数分布是不断变化的实际情况不符；渐进理论同样与实际应用中的面板数据特性不符,难以保证模型参数估计量的优良性质,容易导致小样本性质问题,无法保证模型参数估计量的可靠性；当前的面板数据数值计算方法在解决复杂社会经济问题模拟时出现了困难,难以有效地解决高维积分等数值计算问题,阻碍了面板数据模型研究的进展,这就迫切需要运用高效可靠的计算方法针对性地解决此类问题。根据基于MCMC抽样算法的贝叶斯统计推断流程,分别对固定效应面板数据模型、随机效应面板数据模型、自回归面板数据模型和存在外生变量的动态面板数据模型进行了模型结构分析与贝叶斯推断,得到模型的似然函数和参数的后验条件分布。设计MCMC抽样算法程序,对随机效应面板数据模型和自回归面板数据模型进行了仿真实验,结果表明贝叶斯推断中的MCMC(?)由样算法可以有效地提高模型参数的估计精度和效率。利用我国上海证券交易所的四种重要的证券交易指数数据进行实证研究,构建了基于贝叶斯面板数据模型理论的针对证券市场波动性刻画的面板随机波动模型,对模型的似然函数以及模型中各参数后验分布进行了贝叶斯推断,扩展了现有的仅针对时间序列的随机波动模型。基于MCMC抽样算法的证券市场面板随机波动模型的各参数经过迭代后收敛至后验分布,且贝叶斯参数估计的MC误非常小,表明贝叶斯参数估计方法的高效率和高精度,可以实现对证券市场有效的风险分析和管理。

论文目录

• 摘要
• Abstract
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 选题背景与研究意义
• 1.1.1 选题背景
• 1.1.2 研究意义
• 1.2 相关领域与研究现状
• 1.2.1 贝叶斯理论与MCMC算法
• 1.2.2 金融面板数据模型及其应用
• 1.3 研究思路与研究内容
• 1.3.1 研究思路
• 1.3.2 研究内容
• 第2章 基于MCMC抽样算法的贝叶斯推断流程
• 2.1 基于MCMC的先验选择
• 2.1.1 扩散先验分布
• 2.1.2 共轭先验分布
• 2.2 基于MCMC的后验抽样
• 2.2.1 M-H抽样算法
• 2.2.2 Gibbs抽样算法
• 2.3 收敛性诊断方法
• 2.3.1 Geweke诊断方法
• 2.3.2 G-R诊断方法
• 2.3.3 R-L诊断方法
• 2.3.4 H-W诊断方法
• 2.4 MC误差分析
• 2.5 贝叶斯推断流程
• 2.6 本章小结
• 第3章 基于MCMC算法的贝叶斯静态面板数据模型
• 3.1 静态面板数据模型形式设定
• 3.1.1 固定效应模型的模型设定
• 3.1.2 随机效应模型的模型设定
• 3.2 贝叶斯静态面板数据模型
• 3.2.1 固定效应贝叶斯面板数据模型
• 3.2.2 随机效应贝叶斯面板数据模型
• 3.3 贝叶斯静态面板数据模型仿真分析
• 3.3.1 仿真实验设计
• 3.3.2 仿真结果分析
• 3.4 本章小结
• 第4章 基于MCMC算法的贝叶斯动态面板数据模型
• 4.1 动态面板数据的模型设定
• 4.1.1 固定效应模型
• 4.1.2 随机效应模型
• 4.2 贝叶斯动态面板数据模型
• 4.2.1 自回归贝叶斯面板数据模型
• 4.2.2 存在外生变量的贝叶斯动态面板数据模型
• 4.3 贝叶斯动态面板数据模型仿真分析
• 4.3.1 仿真实验设计
• 4.3.2 仿真结果分析
• 4.4 本章小结
• 第5章 证券市场波动性的实证研究
• 5.1 样本数据选取与统计特征分析
• 5.1.1 样本数据选取
• 5.1.2 统计特征分析
• 5.2 贝叶斯面板随机波动模型构建
• 5.2.1 标准面板随机波动模型的结构分析
• 5.2.2 标准面板随机波动模型的贝叶斯推断
• 5.3 模型参数收敛性诊断与估计结果分析
• 5.3.1 参数估计收敛性诊断分析
• 5.3.2 模型参数估计结果分析
• 5.4 本章小结
• 结论
• 参考文献
• 致谢
• 附录 A 攻读学位期间所发表的学术论文目录