贝叶斯推断下的条件风险价值研究

基于假设的金融资产收益分布,建立了条件风险价值CVaR计算模型,并对分布的参数采用贝叶斯统计推断进行估计,然后利用蒙特卡洛模拟计算CVaR。选取沪深300中的股票数据进行实证分析,并与经典统计方法作比较研究,研究结果表明:应用贝叶斯推断估计的分布参数更精确,拟合的分布更符合数据的真实波动,提高了CVaR度量的准确性。     

基于Gibbs抽样的贝叶斯金融随机波动模型分析

通过分析随机波动模型的统计结构,推断了SV模型似然函数的具体形式,据此构造了模型参数的共轭先验分布.利用贝叶斯定理获得了相应的模型参数后验条件分布.同时,为了获得模型参数的贝叶斯估计及其置信区间,设计了基于Gibbs抽样的MCMC数值计算程序,并利用上海综合指数和深圳成分指数数据进行了建模实证分析,解决了参数随机条件下金融随机波动时间序列建模问题,提高了模型预报精度.     

贝叶斯方法在金融保证保险模型中的应用

主要介绍了Hamilton模型和转换函数模型,说明了贝叶斯方法在金融保证保险模型中的应用,将模型中的参数作为具有先验分布的随机变量,然后根据贝叶斯定理,得出后验分布,以此为基础利用WinBUGS软件对模型参数进行估计,最后对纯保费和所需的风险资本总量进行预测。     

基于多阶段预报分布的贝叶斯多变量均值向量监控模型

针对现有质量控制方法中没有考虑数据信息连续应用及参数不确定性风险问题,通过贝叶斯方法引入多元质量控制模型的参数先验信息,根据模型预报分布,以及多元t分布与F分布之间的关系,构造基于F统计量的贝叶斯均值向量控制限;当生产过程处于稳定控制状态时,利用前一阶段参数后验分布作为下一个阶段参数先验分布,建立序贯贝叶斯均值向量控制...     

基于MCMC的贝叶斯长记忆随机波动模型研究

针对贝叶斯长记忆随机波动模型的单步Gibbs抽样算法效率低下的问题,通过对模型在状态空间框架下的近似表示,将向前滤波向后抽样算法引入对波动变量的估计过程中,同时在贝叶斯框架下分析了模型参数的满条件后验分布,设计出Gibbs联合抽样算法.更进一步,在对模型进行参数估计的基础上,提出波动变量的向前多步预报分布的估计方法.模...     

广义误差分布下CVaR模型的股市风险研究

以沪深300指数数据为样本,首先利用广义误差分布与正态分布假定下的GARCH模型对我国股票市场收益率波动特征进行定量分析,然后运用CVaR模型对股票市场的风险进行实证研究,并与基于VaR模型的风险测度值进行比较.研究结果表明,广义误差分布假定下的GARCH模型能够更好地反映出我国股票指数收益率尖峰厚尾的特性,而使用CVaR模型则有利于提高金融市场风险测度的准确性.     

基于贝叶斯面板平滑转换模型的区域资本流动性研究

针对面板平滑转换模型参数不确定性风险问题,构建了区域资本流动性的贝叶斯面板平滑转换模型.通过模型的统计结构分析,选择参数先验分布,设计相应的MHGibbs混合抽样算法,据此估计模型参数,解决非线性OLS参数估计过程中遇到的算法难以收敛问题;并利用中国各地区投资与储蓄面板数据进行实证分析.研究结果表明:参数的迭代轨迹收敛,MH-Gibbs混合抽样算法能够准确地估计模型参数,证明了贝叶斯面板平滑转换模型的有效性.     

基于贝叶斯网络的商业银行操作风险研究

针对数据的缺乏对低频高损类型的操作风险进行量化非常困难的问题,在贝叶斯网络因果推断理论的基础上,提出了利用贝叶斯网络模型对商业银行操作风险进行研究,解决了损失事件数据不足问题,得到了中国商业的贝叶斯网络模型。历史数据的积累和建模技术的成熟使得银行利用贝叶斯网络得到的后验分布将不断接近现实。商业银行可利用贝叶斯网络推理功能对风险管理进行估计和预测。     

基于贝叶斯网络的油田管道失效概率计算

针对事故树分析法不能对管道风险进行多态性分析,且无法实现双向推理问题,提出一种基于贝叶斯网络的油田管道失效概率计算方法.首先,建立油田管道失效风险事故树模型,利用事故树与贝叶斯网络的转换确定贝叶斯网络结构,完成管道失效风险贝叶斯网络模型结构的构建;其次,考虑到由专家知识经验及期望最大化算法确定的网络参数存在较大的估计误差问题,引入遗传算法完成贝叶斯网络参数学习以此获取最优参数;最后,将该方法应用于实际油田管道风险问题,利用GeNIe贝叶斯网络仿真软件计算油田管道失效概率,同时对每个风险因素进行分析并得到影响管道发生失效的致因链.实验证明,所提方法在评估精度上得到了显著地提升.     

多方程线性模型系统的贝叶斯预报分析

多方程线性模型系统的贝叶斯预报分析是贝叶斯线性模型理论的重要组成部分.作者利用模型系统的统计结构，证明了矩阵正态Wishart分布为模型参数的共轭先验分布. 利用贝叶斯定理，作者根据模型的样本似然函数和参数的先验分布推得了参数的后验分布，然后从数学上严格推断了模型的预报分布密度函数，证明了模型预报分布为矩阵t分布. 研究表明由于参数先验分布的作用，样本的预报分布与其原统计分布有着本质性差异，前者服从矩阵正态分布，而后者服从矩阵t分布.     

多重线性回归模型系统的贝叶斯预报分析

指出多重线性模型系统的贝叶斯预报分析是贝叶斯线性模型理论的重要组成部分．通过模型系统的统计结构,证明了矩阵正态-Wishart分布为模型参数的共轭先验分布;利用贝叶斯定理,根据模型的样本似然函数和参数的先验分布推导了参数的后验分布;然后,从数学上严格推断了模型的预报分布密度函数,证明了模型预报分布为矩阵t分布．研究结果表明：由于参数先验分布的作用,样本的预报分布与其原统计分布有着本质性的差异,前者为从矩阵正态分布,而后者为矩阵t分布．     

零膨胀泊松模型中风险参数的贝叶斯估计

该文建立了贝叶斯模型,讨论了零膨胀泊松分布中参数的估计问题.在平方损失函数、Linex损失函数和Stein损失函数下得到了风险参数的贝叶斯估计.进而,引进了信度理论,在平方损失函数下得到了风险参数的信度估计,证明了估计的相合性.最后,通过数值模拟的方法对估计的收敛性进行了比较.     

基于EGARCH-VaR的半参数法及实证研究

在综合考虑了金融收益数据分布的尖峰厚尾特征及其波动集群性,尤其是其波动的“杠杆效应”对VaR估计的影响以及各种假定收益率分布在计算风险价值时存在不足的基础上,提出了基于EGARCH-VaR的半参数方法,并且与正态分布和t分布假设下的GARCH模型的VaR计量方法进行比较,通过实证分析,并利用后验测试,表明基于EGARCH-VaR的半参数方法对风险价值的测度优于正态分布和t分布假设下GARCH模型的VaR计量方法.     

半参数门限随机波动率模型及其实证研究

为了描写金融资产收益率波动率非对称性,以及充分刻画金融资产收益率偏态厚尾等典型特征,将门限效应和非参数分布引入到标准的随机波动率(SV)模型中,构建半参数门限随机波动率(TSV-DPM)模型对金融资产收益率的波动率进行建模。利用基于贝叶斯的MCMC算法估计模型参数,使用对数预测尾部得分(LPTS)比较不同模型在极端事件中的预测能力。以欧元/美元汇率日度数据对TSV-DPM模型进行实证分析,结果表明TSV-DPM模型不但能够有效的刻画欧元/美元汇率收益的波动率的动态特征,而且对极端事件的预测能力优于SV-DPM模型,同时验证了欧元/美元汇率收益率具有较强的波动率持续性和较弱的波动率非对称性。     

线性指数模型参数的经验贝叶斯估计

根据经验贝叶斯原理,讨论了在平方损失函数下,线性指数模型参数的非参数经验贝叶斯(empirical贝叶斯,EB)估计问题.首先利用密度函数的核估计方法构造边际分布密度函数以及该分布密度函数的一阶导数;然后结合线性指数模型未知参数在相同损失函数之下的贝叶斯估计得到了未知参数的非参数经验贝叶斯估计.最后由C-R不等式以及Jensen不等式证明了所得到的经验贝叶斯估计的渐进最优性质,并获得了其收敛速度(n-(2r-1)/(2r 1)).     

误差修正机制转换模型的贝叶斯估计

用贝叶斯估计法来估计误差修正机制转换模型的参数。通过先验分布的设定和贝叶斯定理,求出该模型参数的后验分布,接着使用基于Gibbs抽样的贝叶斯估计技术进行参数估计,最后对贝叶斯估计方法进行统计模拟,模拟结果表明:该方法可以稳健的估计该模型的参数。     

基于Gibbs-DA算法的贝叶斯分位回归模型研究

针对分位回归模型参数的不确定性风险问题,构建了基于Gibbs-DA抽样算法的贝叶斯线性分位回归分析模型.根据非对称Laplace分布的正态-指数分布的混合表示性质,利用数据扩展方法构建了潜变量,给出分位回归模型的似然函数,推断了多元正态先验分布条件下分位回归模型参数的后验分布,证明了潜变量的完全条件分布为广义逆高斯分布;结合Gibbs抽样和数据扩展方法,设计Gibbs-DA的仿真分析方案,并将其应用于我国能源消耗问题分析.研究结果表明:贝叶斯方法可以有效地应用于分位回归的建模以及我国能源消费弹性的分位问题研究.     

基于混合先验分布的贝叶斯因子分析模型

针对现有因子分析模型不能充分融合模型参数信息问题,通过研究因子分析模型的统计结构,构造了参数的混合先验分布;利用贝叶斯定理证明了模型因子载荷阵的条件后验分布为矩阵t分布,协方差阵的条件后验分布为逆Wishart分布.实证研究表明:由于参数先验分布的作用,贝叶斯因子分析结果与传统的因子分析之间存在明显的差异.     

基于MCMC算法的多元线性回归变点模型的贝叶斯估计

基于MCMC算法,研究了多元线性回归系数变点模型的贝叶斯估计问题.首先由所有参数的联合后验分布得到各参数的满条件后验分布,再利用Gibbs抽样和MH算法相结合的MCMC算法对满条件分布抽取样本,最后得到变点位置及其他参数的贝叶斯估计.随机模拟结果显示用该方法估计各参数的效果较好.     

信息不对称下的互联网信贷利率风险研究

目的构建信息不对称下的互联网信贷利率风险模型。方法根据我国互联网信贷市场的实际情况,构建了信息不对称程度的指标,将其与条件分位数自回归模型(CAViaR模型)相结合,提出了度量互联网信贷利率风险的新方法,即信息不对称下的CAViaR模型。结果与结论该模型能够很好地刻画我国互联网信贷市场信息不对称下的利率风险特征,并能直接计算出信息缺失下的互联网信贷利率风险价值(VaR)的大小,可以有效地反映信息不对称程度对未来风险的影响。