双指数跳跃扩散模型的McMC估计

使用贝叶斯方法估计了双指数跳跃扩散模型,该方法是使用Euler方法对连续过程进行离散化,用离散过程的似然函数做为模型参数的近似后验似然函数.证明了McMC方法是分析双指数跳跃扩散模型的有效工具,由McMC方法抽样所得的后验分布可以用来进行统计推断.模拟试验表明双指数跳跃扩散模型能够体现资产收益的许多经验特征,尖峰厚尾特征和期权定价中的“波动微笑”.     

连续时间资产收益变结构模型的研究

提出了应用MCMC方法的连续时间变结构模型的单一变结构点的定位方法,并提出了连续时间多变结构点模型的变结构点定位方法;该方法在确定变结构点位置的同时,又能估计相应的模型参数.用该方法对上海股市综合指数的收益序列进行了变结构分析,理论与实证结果表明该方法是有效且可行的.     

石油价格跳跃下期货价格动态模型及实证分析

引入跳扩散过程描述石油价格的变化,在风险溢酬一定的假定下,推导出石油期货价格的动态变化模型和定价模型.通过石油期货价格数据对石油价格模型进行实证检验,发现石油价格具有两个显著特征:1)价格有明显的跳跃和均值回复特征,2)投资者对石油价格随机波动和跳跃风险要求正的风险溢酬.本文的另还利用两个期货价格序列对石油价格模型进行实证分析,它们可以用来确定风险溢酬参数,并用来分析石油价格的时间序列特征.     

跳跃扩散模型下美式回望期权定价方法

回望期权是一种严重路径依赖性期权,美式回望期权的价格尤其依赖于标的资产的价格路径;实际市场中其标的资产的价格过程存在跳跃现象。考虑到这两个事实,本文应用一种新方法总体最小二乘蒙特卡罗模拟为跳跃扩散模型下的美式回望期权定价。该方法改进Longstaff等提出的最小二乘蒙特卡罗方法,用来为美式回望期权定价,将其定价结果与构造二叉树图的计算结果进行比较发现,用总体最小二乘蒙特卡罗方法为美式回望期权定价是合理的,并且具有一定的优越性。     

跳跃连续时间SV模型建模及实证研究

仅包括跳跃或仅包括随机波动的模型对于股价和收益分布的描述不是很理想.研究了收益和波动中同时具有跳跃因子的连续时间随机波动模型.使用具有跳跃的连续时间随机波动模型分别对1996～1997年和2002～2004年两个时期我国股票市场的波动和跳跃进行分析,用MCMC算法估计模型的参数,结果表明,近年来我国股市的波动和跳跃较10年前有所减少.     

正态逆高斯扩散模型的MCMC估计

使用贝叶斯方法估计了正态逆高斯扩散模型,该方法首先使用Eu ler方法对连续过程进行离散化,用离散过程的似然函数做为模型参数的近似似然函数。证明了M CM C方法是分析正态逆高斯扩散模型的有效工具,由M CM C方法抽样所得的后验分布可以用来进行统计推断。模拟试验表明:正态逆高斯扩散能够体现资产收益的许多经验特征,如泰勒效应、尖峰厚尾等。     

中国股市权证定价的带均值回归跳跃扩散模型

针对中国股价运动规律,提出一个带均值回归项的跳跃扩散模型,并以上证指数数据为例,给出模型的参数估计方法.结果表明该定价模型在单边市的情形下,能够比传统B-S公式更好的体现中国股市动态资产价格的运动过程.此外,还给出了基于带均值回归项的跳跃扩散模型的各种类型权证(美式、欧式和百慕大式)的模拟定价方法,并给出此模拟定价方法的实证结果.结果表明,该模型的对中国股市的拟合程度明显好于经典Black-Scholes期权定价公式.     

跳跃-扩散模型的首达时研究

考虑跳跃-扩散风险模型,研究盈余达到下界L的首达时T的特性.利用更新论证得到关于(u)=E[e-rT|U(0)=u]的更新方程.对于下跳模型,若索赔额为相互独立且具有相同的指数分布,得到更新方程解的解析表示;对于上跳模型,则解析表示的推出不需要指数分布的假定.作为应用,得到了首达时T的均值和方差的表达式.最后给出了数值计算和随机模拟的实例.     

随机跳变广义双指数分布下的双重跳跃扩散模型及应用

结合非对称双指数分布与有偏双指数分布构建了广义双指数分布,该分布能充分展现金融市场的有偏、非对称与尖峰厚尾特征. 借鉴Kou提出的双指数跳跃扩散模型,构建和分析了广义双指数分布下的单层跳跃扩散模型(GDED-KDJ),考虑到金融序列的异方差性与波动跳跃性,参考Eraker提出的双重跳跃扩散模型, 进一步将GDED-KDJ模型扩展为随机跳变广义双指数分布下的双重跳跃扩散模型,分析了新模型具备的一般性、有偏性、非对称性与尖峰厚尾性,进而从理论上证明了新模型的优越性. 同时,还研究了新模型的条件似然函数及MCMC迭代求解算法.最后,利用金融危机期间我国主要三种金属期货价格的三月连 续数据进行实证,结果也进一步表明新模型的可行性、有效性与优越性.     

随机波动模型参数估计的新算法及其在上海股市的实证

研究用马尔科夫链蒙特卡罗(MCMC)算法估计随机波动模型的参数问题.基于“前向滤波,后向抽样”方法提出一种新算法,并将新算法同原有算法进行了比较.然后利用新算法对上海股市进行波动性分析,发现中国涨跌停板制度对波动的持续性估计有着重要的影响,忽视这些因素将会导致波动的持续性被高估.     

基于有偏胖尾分布的随机波动模型估计及其检验

金融资产的收益分布普遍展现出两个重要的典型特征:有偏性和胖尾性,但目前绝大多数的随机波动模型都无法同时将上述两类典型特征综合纳入其估计的条件分布假定中.以上证综指和标准普尔500指数为例,通过引入有偏的广义误差分布(Skew GED)来综合刻画条件收益的有偏和胖尾特性,并运用马尔科夫链一蒙特卡罗模拟法(MCMC),探讨了在正态分布(Normal)、有偏的正态分布(Skew Normal)、广义误差分布(GED)以及Skew GEI)这4种条件分布假定下的随机波动模型估计方法,同时实证检验了不同分布假定下的随机波动模型对实际市场波动率的刻画精度和适用范围.     

国内外非同步期货交易市场之间的跳跃溢出行为: 基于风险事件的视角

为探索国内外非同步期货交易市场之间的跳跃溢出行为, 利用贝叶斯 MCMC推断的SVCJ模型对国内外期货市场之间的跳跃溢出概率、跳跃溢出强度、跳跃溢出频度及溢出的跳跃大小进行了实证分析.研究结果表明: 国内外期货市场存在显著的跳跃溢出概率与跳跃溢出强度;对跳跃溢出的概率和强度而言,国外期货市场的跳跃更可能在第二天到达国内期货市场,而国内期货市场的跳跃则更可能在同日到达国外期货市场,且国内期货市场的跳跃溢出到达次日国外期货市场的频度相对更高,这些现象可主要归因于国内外期货市场正规交易时间的非同步性; 另外,溢出跳跃大小的测度进一步支持了跳跃溢出行为大都是由不寻常的风险事件引起的观点.     

随机波动率LIBOR模型及其结构性存款定价:理论估计与蒙特卡罗模拟

LIBOR市场利率已经在金融资产定价和风险度量中发挥着越来越重要的作用, 而以其为标的利率的外汇结构性存款也得到了广泛应用. 因此, 对LIBOR利率动态过程及其结构性存款定价进行有效理论估计和模拟计算则显得尤为重要. 本文首先在标准市场模型中加入Heston随机波动率过程, 建立随机波动率过程驱动的新型LIBOR市场模型; 其次, 运用 Black逆推参数校正方法和MCMC参数估计方法对该LIBOR利率市场模型中的局部波动率和随机波动率过程中的参数进行校正和估计; 再次, 基于最优基本函数改进的LSM方法对可赎回外汇结构性存款定价进行模拟计算; 最后是实证分析. 研究结论认为: 在单因子LIBOR利率市场模型基础上引入随机波动率过程, 则可大大地提高利率模型的解释力; 基于最优基本函数改进的LSM定价方法所得结果更接近于实际利率下所求理论价值.     

低消耗器材的马尔可夫预测模型

应用马尔可夫链预测方法,并与蒙特卡罗仿真相结合,建立了一个低消耗器材的预测模型,它可以为年度订货提供依据.     

Markov可修系统的蒙特卡罗方法

假设各部件的寿命分布和修理时间分布都为指数分布,且分布参数已知,本文用蒙特卡罗方法计算了单部件、双部件和三单件构成的串联、并联和串并联系统的可靠度、瞬时可用度、稳态可用度和故障频度等特征数量指标。为了检验蒙特卡罗模拟结果的准确程度,同时给出解析结果与之对比,表明该方法应用的正确性。     

基于MH抽样的Bayesian方位估计快速算法

针对Bayesian方位估计计算量大的问题,将马尔可夫蒙特卡罗方法与Bayesian方位估计相结合,提出一种基于MH(Metropolis-Hastings)抽样的Bayesian方位估计新方法(简称MHB).该方法将Bayesian算法的空间谱函数作为信号的概率分布函数,并利用MH抽样方法从该概率分布函数中抽样.研究结果表明,MHB方法不但保持了Bayesian方位估计方法的优良性能,而且大大减小了计算量.     

New algorithm of exact sampling with directional threshold

Although it is known that exact sampling algorithm is easy to construct and less sensitive to noise,the samples distribution of the algorithm deviates from the target states distribution due to the local dependent coupling problem.A new algorithm,named exact sampling with directional threshold (ES-DT) is introduced.The main advantage of the new algorithm,in comparison with the traditional exact sampling algorithm,is that it can control the sampling with a rejection strategy in Markov chain during the path growth,and closely approach the ideal distribution based on maintaining the target density.Simulation experiments show the effectiveness of the proposed algorithm.