互联网金融波动性的MCMC算法分析

互联网金融波动性的MCMC算法分析

论文摘要

基于金融市场的波动聚集、杠杆效应等种种特性,建立ARMA-GJR-GARCH模型并选取互联网金融板块日对数收益率的数据对互联网金融股市的波动性进行分析,采用MCMC方法对模型的参数进行贝叶斯估计以充分利用先验信息和样本信息使参数估计更精确并解决高维数值积分的不便.结果表明:互联网金融板块收益率存在比较明显的杠杆效应,利空消息比利好消息对互联网金融市场产生的冲击更大,且在互联网金融市场中,突发事所引起的风险可以被有效控制.

论文目录

  • 1 ARMA-GJR-GARCH模型建立
  • 2 ARMA-GJR-GARCH模型的贝叶斯分析
  •   2.1 似然函数
  •   2.2 先验分布
  •   2.3 后验密度
  • 3 MCMC抽样设计
  • 4 实证分析
  • 5 结论及建议
  • 文章来源

    类型: 期刊论文

    作者: 赖欣

    关键词: 贝叶斯分析,互联网金融,波动性

    来源: 宜宾学院学报 2019年06期

    年度: 2019

    分类: 社会科学Ⅱ辑,基础科学,经济与管理科学

    专业: 数学,宏观经济管理与可持续发展,贸易经济,金融

    单位: 安徽大学经济学院

    分类号: F224;F724.5;F832

    DOI: 10.19504/j.cnki.issn1671-5365.20190620.001

    页码: 93-98

    总页数: 6

    文件大小: 1355K

    下载量: 202

    相关论文文献

    • [1].基于时间序列大数据挖掘的ATGH模型及MCMC算法研究[J]. 自动化与仪器仪表 2018(12)
    • [2].多维复杂分布的MCMC抽样[J]. 重庆理工大学学报(自然科学版) 2010(08)
    • [3].优选状态数的MCMC算法在风电功率序列生成中的应用[J]. 电力自动化设备 2019(05)
    • [4].Rstan包在四参数Logistic模型参数估计中的应用[J]. 沈阳师范大学学报(自然科学版) 2019(04)
    • [5].急性髓细胞白血病基因筛选模型的贝叶斯分析[J]. 数学的实践与认识 2019(03)
    • [6].基于贝叶斯搜索方法的TAR模型研究[J]. 统计与决策 2017(12)
    • [7].秦皇岛32-6油田北区三维相控地质统计建模与反演[J]. 断块油气田 2015(03)
    • [8].基于MCMC方法的自适应低剂量CT图像去噪[J]. 四川大学学报(工程科学版) 2011(03)
    • [9].基于混合模型对地震巨灾风险的分析[J]. 数理统计与管理 2017(04)

    标签:;  ;  ;  

    互联网金融波动性的MCMC算法分析
    下载Doc文档

    猜你喜欢