×
毛广宇;张正军

基于贝叶斯分析的高频财务数据随机尾部指数模型。 （英语） Zbl 1452.62781号

《经济学杂志》。 205，第2号，470-487（2018）.
摘要：本文提出了一种新的动态模型，称为随机尾指数使用高频回报数据分析金融资产时变尾部指数的（STI）模型。贝叶斯工具被开发来估计模型，做出相关的推断，并进行模型选择。为了用近似方法构造STI模型的有效后验采样器，引入了一种新的算法ALSO（Auxiliary Least Squares Optimization），该算法可以使用高斯混合变量快速地对给定的随机变量进行充分近似。后验取样器利用BFGS优化方法调整Metropolis-Hastings链中的建议密度，并且比文献中现有的取样器计算速度更快。仿真结果表明，所提出的后验取样器对STI模型具有良好的效果。为了说明STI模型在现实世界中的使用，我们分析了与两个市场相关的两个真实高频数据集。研究发现，估计的日尾部指数通常遵循时变模式，并在发生重大负面事件时趋于下降。此外，在某些时期，收益率显著低于2，这意味着这些时期收益率分布的方差可能是无限的，因此，这两个市场基于方差的风险管理可能存在问题。

引用于6文件

MSC公司：

62P05号 统计学在精算科学和金融数学中的应用
2015年1月62日 贝叶斯推断
62G32型 极值统计；尾部推断
62米10 统计学中的时间序列、自相关、回归等（GARCH）

关键词：

贝叶斯统计;极值;高频;状态空间模型;尾部指数
PDF格式BibTeX公司 XML格式引用
\textit{G.Mao}和\textit{Z.Zhang}，J.Econom。205，第2号，470--487（2018；Zbl 1452.62781）
全文： 内政部

参考文献：

[1] Artzner，P。；Delbaen，F。；Eber，J。；Heath，D.，连贯的风险度量，数学。《金融》，9203-228，（1999）·Zbl 0980.91042号
[2] Chib，S.，吉布斯输出的边际可能性，J.Amer。统计师。协会，90，1313-1321，（1995）·Zbl 0868.62027号
[3] Chib，S.，《模拟和MCMC方法简介》，（Geweke，J.；Koop，G.；van Dijk，H.，《牛津贝叶斯计量经济学手册》，（2011），牛津大学出版社，纽约），183-217·Zbl 1269.62088号
[4] Chib，S。；Jeliazkov，I.，大都市黑斯廷斯产出的边际可能性，J.Amer。统计师。协会，96270-281，（2001）·Zbl 1015.62020号
[5] Chib，S。；Nardari，F。；Shephard，N.，随机波动率模型的马尔可夫链蒙特卡罗方法，《计量经济学杂志》，108，281-316，（2002）·Zbl 1099.62539号
[6] Davis，R.A。；Mikosch，T.，随机波动率模型的极值，（Andersen，T.G.；Davis，R.A.；Kreiß，J.；Mikosh，T.《金融时间序列手册》，（2009），纽约斯普林格出版社），187-200
[7] Davis，R.A。；Mikosch，T.，GARCH过程的极值理论，（Andersen，T.G.；Davis，R.A.；Kreiß，J.；Mikosh，T.《金融时间序列手册》，（2009），纽约斯普林格出版社），355-364
[8] 德哈恩，L。；Ferreira，A.，《极值理论》（2006），纽约施普林格出版社·Zbl 1101.62002号
[9] 德容，P。；Shephard，N.，《时间序列模型的模拟平滑器》，Biometrika，82，339-350，（1995）·Zbl 0823.62072号
[10] 杜塞特，A。；Johansen，A.M.，《粒子滤波与平滑教程：十五年后》（Grisan，D.；Rozovskii，B.，《牛津非线性滤波手册》，（2011），牛津大学出版社，纽约），656-704·Zbl 1513.60043号
[11] Durbin，J。；Koopman，S.J.，《状态空间时间序列分析的简单高效模拟平滑器》，Biometrika，89，603-616，（2002）·Zbl 1036.62071号
[12] 德宾，J。；Koopman，S.J.，状态空间方法的时间序列分析，（2012），牛津大学出版社·Zbl 1270.62120号
[13] Engle，R.F.，英国通货膨胀方差估计的自回归条件异方差，计量经济学，50987-1008，（1982）·Zbl 0491.62099号
[14] Fougères，A。；Nolan，J.P。；Rootzén，H.，使用稳定混合物的相依极值模型，Scand。J.Stat.，36，42-59，（2009）·Zbl 1195.62067号
[15] Frühwirth-Schnatter，S。；Frühwirth，R.，辅助混合抽样及其在逻辑模型中的应用，计算。统计师。数据分析。，51, 3509-3528, (2007) ·Zbl 1161.62387号
[16] Frühwirth-Schnatter，Sylvia；Wagner，H.，参数驱动计数时间序列模型的辅助混合采样及其在状态空间建模中的应用，Biometrika，93，827-841，（2006）·Zbl 1436.62421号
[17] 加伊坦，C。；Grigoletto，M.，用动态模型平滑样本极值，极值，7，221-236，（2004）·Zbl 1090.62047号
[18] 韦尔塔，G。；Sansó，B.，极值的时间变化模型，环境。经济。统计，14，285-299，（2007）
[19] 石原慎太郎。；Omori，Y.，《具有交叉杠杆和重尾误差的多元随机波动率模型的有效贝叶斯估计》，计算。统计师。数据分析。，56, 3674-3689, (2012) ·Zbl 1255.62066号
[20] 石原慎太郎。；Omori，Y。；Asai，M.，具有交叉杠杆的矩阵指数随机波动率，计算。统计师。数据分析。，100, 331-350, (2016) ·Zbl 1466.62109号
[21] 杰奎尔，E。；新几内亚波尔森。；Rossi，P.E.，随机波动率模型的贝叶斯分析，J.Bus。经济。统计人员。，12, 371-389, (1994)
[22] 杰奎尔，E。；新几内亚波尔森。；Rossi，P.E.，《随机波动率模型：单变量和多变量扩展》，《计量经济学杂志》，122185-212，（2004）·Zbl 1328.91254号
[23] 詹森，D.W。；De Vries，C.G.，《关于大额股票回报的频率：将繁荣与萧条纳入视角》，《经济学评论》。Stat.，73，18-24，（1991）
[24] 琼多，E。；Rockinger，M.，《股票市场回报尾部差异测试》，J.Empir。金融，10559-581，（2003）
[25] 琼斯，G.L。；哈兰，M。；Caffo，B.S。；Neath，R.，《马尔可夫链蒙特卡罗的固定宽度输出分析》，J.Amer。统计师。协会，101，1537-1547，（2006）·Zbl 1171.62316号
[26] 堪萨斯州。；杜塞特，A。；辛格，S.S。；Maciejowski，J。；肖邦，N.，《状态空间模型中参数估计的粒子方法》，Statist。科学。，30, 328-351, (2015) ·Zbl 1332.62096号
[27] Kim，S。；北谢泼德。；Chib，S.，《随机波动性：与ARCH模型的似然推断和比较》，Rev.Econom。螺柱，65，361-393，（1998）·Zbl 0910.90067号
[28] Kunihama，T。；Omori，Y。；Zhang，《MAX稳定过程的有效估计和粒子滤波》，《时间序列分析》。，33, 61-80, (2012) ·Zbl 1300.62094号
[29] Künsch，H.R.，《颗粒过滤器》，伯努利，第19期，第1391-1403页，（2013年）·Zbl 1275.93058号
[30] Kurose，Y。；Omori，Y.，《动态等相关随机波动率》，计算。统计师。数据分析。，100, 795-813, (2016) ·Zbl 1466.62122号
[31] Liu，J.，科学计算中的蒙特卡罗策略，（2002），Springer New York
[32] Longin，M.F.，极端股票市场收益的渐近分布，J.Bus。，69, 383-408, (1996)
[33] Lux，T.，《投机回报的极限极值行为：法兰克福证券交易所日内数据分析》，Appl。财务。经济。，11, 299-315, (2001)
[34] 梅耶，R。；福尼尔，医学博士。；Berg，A.，《随机波动性：使用自动微分和扩展卡尔曼滤波器的贝叶斯计算》，经济学。J.，第6407-419页，（2003）
[35] 中岛，J。；Kunihama，T。；Omori，Y.，《动态极值的贝叶斯建模：具有潜在随机过程的广义极值分布的扩展》，J.Appl。统计，44，1248-1268，（2017）·Zbl 1516.62500号
[36] 中岛，J。；Kunihama，T.等人。；Omori，Y。；Frühwirth-Schnatter，S.，使用状态空间形式的AR和MA模型的时滞广义极值分布，计算。统计师。数据分析。，56, 3241-3259, (2012) ·Zbl 1255.62150号
[37] 中岛，J。；Omori，Y.，《随机波动率模型中的杠杆、重轨和相关跳跃》，计算。统计师。数据分析。，532335-2353，（2009年）·Zbl 1453.62163号
[38] Nocedal，J。；Wright，S.，《数值优化》（2006），纽约施普林格出版社·兹比尔1104.65059
[39] Novak，S.Y.，极值方法及其应用，（2011），CRC Press Boca Raton
[40] Omori，Y。；Chib，S。；北谢泼德。；Nakajima，J.，《杠杆作用下的随机波动性：快速有效的似然推断》，《计量经济学杂志》，140，425-449，（2007）·Zbl 1247.91207号
[41] Omori，Y。；Watanabe，T.，非对称随机波动率模型的块采样器和后验模式估计，计算。统计师。数据分析。，55, 2892-2910, (2008) ·Zbl 1452.62783号
[42] 皮特，M。；Shephard，N.，《模拟过滤：辅助粒子过滤器》，J.Amer。统计师。协会，94，590-599，（1999）·Zbl 1072.62639号
[43] Rocco，M.，《金融中的极值理论：一项调查》，J.Econ。调查。，28, 82-108, (2014)
[44] 夏洛克，C。；费恩黑德，P。；Roberts，G.E.，《随机漫步的都市：通过案例研究将理论与实践联系起来》，《统计学》。科学。，25, 172-190, (2010) ·Zbl 1328.60177号
[45] 史密斯，R.L。；Miller，J.E.，《非高斯状态空间模型及其在记录预测中的应用》，J.R.Stat.Soc.B，48，79-88，（1986）·Zbl 0593.62099号
[46] 所以，K.P.M。；Chung，R.S.W.，非线性时间序列模型中条件分位数的统计推断，《计量经济学杂志》，189，457-472，（2015）·兹比尔1337.62280
[47] 高桥，M。；Omori，Y。；Watanabe，T.，《随机波动率模型的新闻影响曲线》，《经济评论》。莱特。，120, 130-134, (2013) ·Zbl 1284.91429号
[48] Taylor，S.J.，《金融时间序列建模》（1986），约翰·威利·奇切斯特·Zbl 1130.91345号
[49] Yu，J.，《随机波动模型中的杠杆作用》，《计量经济学》，127165-178，（2005）·Zbl 1335.91116号
[50] Zhang，Y。；Sutton，C.A.，马尔可夫链蒙特卡罗的准纽顿方法，高级神经信息处理。系统。，2393-2401，（2011年）
[51] X.赵。；斯卡罗特，C.J。；Oxley，L。；Reale，M.，具有贝叶斯推断的极值模型中的Garch依赖性，数学。计算。模拟，81，1430-1440，（2011）
[52] 赵，Z。；张，Z。；Chen，R.，（ATM:金融时间序列的自回归尾指数模型。工作文件，（2016），威斯康星大学-马迪逊分校）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。