基于贝叶斯多变量厚尾随机波动模型期货和现货联动效应探究

《基于贝叶斯多变量厚尾随机波动模型期货和现货联动效应探究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于贝叶斯多变量厚尾随机波动模型期货和现货联动效应探究［作者简介］朱慧明(1966—),男,湖南湘潭人，湖南大学工商管理学院教授、博士生导师，研究方向：贝叶斯计量经济模型.［摘要］针对多变量随机波动模型难以刻画金融时间序列尖峰厚尾特征的问题，构建了贝叶斯多变量厚尾随机波动模型。通过模型的贝叶斯分析，选择参数先验分布，设计基于Gibbs抽样的MCMC算法，据此估计模型参数，解决多变量随机波动模型参数较多难以估计的问题；并利用沪深300股指期货与现货交易数据进行实证分析。研究结果表明：贝叶斯多变量厚尾随机波动模型能更准确地刻画金融市场的波动特征以及金融市场间的波动

2、溢出效应。［关键词］股指期货；波动溢出；随机波动；贝叶斯分析；Gibbs算法［中图分类号］F830.91［文献标识码］A［文章编号］1008-1763(2013)06-0045-07一引言股指期货作为一种有效的金融风险管理工具，具有价格发现、规避风险、套期保值、套利等功能。但由于宏观经济环境的复杂性和多变性，股指期货在运行过程中是否能发挥这些功能，首先必须了解股指期货与现货之间的联动效应。深入研究两市场间的联动效应不仅有助于市场监管者制定出切实有效的监管措施以保证进行期货市场的稳定运行，而且有助于市场参与者做出理性投资决策以规避市场风险。现有文献关于期货与现货

3、的联动效应研究主要集中在价格领先滞后关系及波动溢出效应两方面。Ryoo和Smith(2004)[1]、Tse和Chan(2010)[2]、Jackline和Deo(2011)[3]、Choudhary和Bajaj(2012)[4]、Mall等(2012)[5]等考察了不同国家的股票指数与股指期货市场之间的价格领先滞后关系，发现期货价格变化比现货价格变化领先5〜45分钟，反之，只有微弱的证据证明现货价格变化领先股指期货价格变化。So和Tse(2004)[6]、Sakthivel和V(2010)[7]、Pati和Rajib(2011)[8]等研究了股指期货与现货市

4、场之间的波动溢出效应，结果显示期货市场与现货市场之间存在双向波动溢出效应，但期货市场的波动溢出效应要强于现货市场。熊熊和王芳(2008)利用向量误差模型研究我国沪深300股指期货仿真交易市场与现货市场之间的关系，结果表明股指期货对现货具有长期价格发现功能[9]。郭彦峰等(2009)运用VEC-DCC-GARCH模型对沪深300股指期货仿真交易数据做了实证研究，发现沪深300股指现货价格领先于期货，且两市场之间存在双向波动溢出效应[10]O国内其他期货市场的研究还包括马超群等(2009)[11],戴晓凤和丁林江(2010)［12］等。由于沪深300股指期货正式上

5、市时间较短，以往股指期货的研究多基于沪深300仿真交易数据，但对沪深300正式推出后的实盘交易数据研究相对缺乏。以仿真交易数据作为研究对象，不仅忽视了交易者在交易心理上存在本质性的差异性，而且忽视了仿真交易与实盘交易在期货与现货联动性、交易策略等方面存在的差异，因此，研究结论具有一定的局限性。此外，与传统的GARCH类波动模型相比，现代SV模型在波动率刻画方面有着显著的优越性。Kim(1998)研究发现随机波动模型新添加的随机项比GARCH模型更具弹性，在样本内具有更好的拟合效果［13］oYu(2002)研究发现随机波动模型在样本外同样具有较好的预测能力［14

6、］o国内学者余素红和张世英(2002)分别从理论和实证角度论证了SV模型拟合金融数据的效果要优于GARCH模型［15］。针对以上问题，考虑到金融时间序列普遍存在的尖峰厚尾特征，为了更准确地反映股指期货市场与现货市场之间的联动关系，以下拟构建贝叶斯多变量厚尾随机波动模型研究我国沪深300股指货正式推出后股指期货与现货之间的联动效应。二贝叶斯厚尾随机波动模型构建(一)模型结构分析Taylor在解释金融资产收益序列波动模型的自回归行为时最早提出了SV模型，该模型是一类采用不可观测的随机过程来描述方差的时变波动模型，主要用于考察单个市场的波动性特征。Harvey在Ta

7、ylor基本SV模型的基础上，提出了多变量SV模型。为了考察资产收益波动之间的因果关系，Yu和Meyer（2006）[16]在基本的MSV模型基础上提出了具有格兰杰因果关系检验功能的GC-MSV模型，其形式如下：（二）贝叶斯分析及MCMC算法设计根据贝叶斯定理，不可观测量的联合后验分布与联合先验分布和样本数据的似然函数成正比，可表示为：为了计算参数边缘后验密度分布，需要对所有对数隐含波动进行2T维的积分，即由模型结构的贝叶斯分析容易看出，似然函数是一个高维积分过程，具体形式难以直接获得，因此，不适合采用极大似然估计方法进行估计。但在MCMC方法的框架下，未知参

8、数及潜重复以上步骤进行N次迭代，直到M