论文部分内容阅读
波动性作为一种衡量金融资产投资风险的有力工具,在现代金融领域中有着广泛的应用,例如在证券资产投资组合、资本资产定价、套利定价和期权定价等方面。捕捉金融市场时变波动性的模型主要有两大类:ARCH类模型和SV类模型。由于SV类模型在描述金融数据特征和波动预测方面的良好表现,使其备受研究学者们的青睐。本文从金融时间序列波动的应用背景出发,指出行业指数波动性研究的现实意义,并分别从SV模型、多元SV模型以及估计方法等方面对文献进行简要回顾。对多变量因子随机波动模型(MF-SV)框架以及模型参数的估计方法进行详细的阐述,并叙述了MF-SV模型以及交织策略(ASIS)的MCMC估计方法的优越性。基于MF-SV模型,对改进型MCMC算法中的浅交织策略MCMC算法和深交织策略MCMC算法以及标准MCMC算法进行模拟实验,结果表明交织策略的MCMC算法明显优于未实施交织策略的标准MCMC算法,其中深交织策略的MCMC算法表现最优。在实证部分,本文基于MF-SV模型,以沪深A股市场二级行业指数作为研究对象,研究分析行业指数的波动特征及其波动关联性。主要研究结论如下:(1)利用三个公共因子可以较好地刻画出市场的波动性,第一个因子为一般性的市场因子,其中属于信息技术产业的半导体、软件、硬件载荷最大,第二个因子由银行、能源和资本市场行业驱动,第三个因子由医药、食零和食品行业驱动。(2)整体上A股市场具有高度持续性的波动特征,其中商业行业最高,通信行业最弱。对于波动率方差,通信行业最大,商业行业最小。对于波动水平,银行业最大,资本品行业最小。最后在研究总结后给出相关建议,并且指出本文的局限性以及今后进一步研究的方向。