資源描述：
《GARCH模型的貝葉斯局部影響分析.pdf》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、分類號密級公開編號硝士叫究摩位鉿夂題目檯型的貝■斯屆部彩響分析學(xué)院（所、中心）數(shù)學(xué)與統(tǒng)計(jì)學(xué)院專業(yè)名稱概率論與數(shù)理統(tǒng)計(jì)研究生姓名易風(fēng)捧學(xué)號導(dǎo)師姓名唐年勝職稱謝受年月論文獨(dú)創(chuàng)性聲明及使用授權(quán)本論文是作者在導(dǎo)師指導(dǎo)下取得的研究成果。除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人己經(jīng)發(fā)表或撰寫過的研宄成果，不存在剽竊或抄襲行為。與作者一同工作的同志對本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示了謝意?，F(xiàn)就論文的使用對云南大學(xué)授權(quán)如下：學(xué)校有權(quán)保留本論文（含電子版），也可以釆用影印、縮印或其他復(fù)制手段保存論文；學(xué)校有權(quán)公布論文的
2、全部或部分內(nèi)容，可以將論文用于查閱或借閱服務(wù)；學(xué)校有權(quán)向有關(guān)機(jī)構(gòu)送交學(xué)位論文用于學(xué)術(shù)規(guī)范審查、社會監(jiān)督或評獎；學(xué)校有權(quán)將學(xué)位論文的全部或部分內(nèi)容錄入有關(guān)數(shù)據(jù)庫用于檢索服務(wù)。內(nèi)部或保密的論文在解密后應(yīng)遵循此規(guī)定）摘要在金融經(jīng)濟(jì)學(xué)里我們經(jīng)常會涉及到波動率，它被廣泛的應(yīng)用于風(fēng)險(xiǎn)管理、衍生品定價(jià)、資產(chǎn)定價(jià)、投資組合等領(lǐng)域?qū)Σ▌勇实念A(yù)測及其精確度量的研宄己成為當(dāng)今金融市場的一個(gè)主要的任務(wù)然而，我們在研究金融時(shí)間序列數(shù)據(jù)時(shí)經(jīng)常會遇到異方差的問題，這些數(shù)據(jù)經(jīng)常表現(xiàn)出尖峰厚尾性、波動集群性等特點(diǎn)故異方差模型應(yīng)運(yùn)而生其中模型是研宄金融時(shí)間序列的一個(gè)典型
3、的異方差模型模型比傳統(tǒng)的模型能更有效地解釋波動率的集群性及收益率的厚尾現(xiàn)象，因而模型逐漸成為研宄和預(yù)測波動率的重要工具本文我們將釆用的方法對模型進(jìn)行統(tǒng)計(jì)推斷，主要研宄內(nèi)容包括：采用的方法通過計(jì)算未知參數(shù)的后驗(yàn)分布的積分來估計(jì)模型的參數(shù)利用方法對模型進(jìn)行影響診斷先對模型進(jìn)行數(shù)據(jù)刪除影響分析，然后再對模型的個(gè)體觀測值及先驗(yàn)分布的聯(lián)合微小擾動進(jìn)行局部影響分析模擬研宄模型，通過模擬研宄發(fā)現(xiàn)模型能更好的刻畫金融時(shí)間序列數(shù)據(jù)的波動集群性、尖峰厚尾性、多峰、突變及異常點(diǎn)關(guān)鍵詞：模型估計(jì)數(shù)據(jù)刪除影響分析局部影響分析AbstractInfinancia
4、leconomics,weoftenrelatetovolatility,itiswidelyusedinriskmanagement,thederivativespricing,assetpricing,portfolioandother.Forvolatilityforecastingandresearchtomeasurethispreciselytoday'sfinancialmarkethasbecomeamajortask.However,weoftenencounterproblemsinthestudywhenhete
5、roskedasticityfinancialtimeseriesdata,whichoftenexhibitfattail,volatilityclusteringcharacteristics.ThereforeHeteroscedasticityemerged.GARCHmodelwhichisatypicalmodelofHeteroscedasticityfinancialtimeseries.GARCHmodelthanthetraditionalmodelcanmoreefectivelyexplainthecluste
6、ringandyieldvolatilitythicktailphenomenon.ThustheGARCHmodelbecominganimportanttoolinresearchingandforecastingvolatility?InthisarticlewewilluseBayesapproachtostatisticalinference,themaincontentsinclude:(1)IntegralmethodusingByaesthroughthecalculationoftheposteriordistrib
7、utionoftheunknownparameterstoestimatetheparametersofGARCHmodel.(2)UseBayesmethodtodiagnosisGARCHmodels.First,wedidBayesDataDeleteimpactanalysisforGARCHmodel,andthenwedidBayeslocalinfluencediagnosticforBayeslocalinfluencejointsmallperturbationdatadistributionandthepriord
8、istributionofGARCHmodel.(3)Volatilityclustering,fattail,multi-peak,pointmutationsandabnormalfindingsbysimulati
