中国股指收益率序列GARCH模型中变点的Bayes识别  

作　　者：李强[1,2] 王黎明[1,3] 邱菲[1] 

机构地区：[1]上海财经大学统计与管理学院,上海200433 [2]泰山学院数学与统计学院,山东泰安271021 [3]上海财经大学浙江学院,浙江金华321000

出　　处：《统计与决策》2016年第5期148-151,共4页Statistics & Decision

基　　金：全国统计科研计划重点项目(2011LZ035);山东省自然科学基金资助项目(ZR2014AL006);山东省统计科研重点课题;上海财经大学研究生创新基金项目(CXJJ-2014-445)

摘　　要：文章研究基于贝叶斯方法的GARCH模型中变点的识别问题。由于股指收益率序列呈现尖峰厚尾非正态的特点,假设误差项服从自由度为υ的标准化学生t分布而非标准正态分布。我们给出了基于贝叶斯方法的GARCH模型中变点估计的具体描述,包括单变点情形、多变点(变点个数未知)情形的变点估计。在实证研究中,我们选取2000年1月4日至2011年9月30日上证A股指数收益率数据进行迭代计算来识别变点,并且将得到的变点时刻与其附近的重大政治经济事件结合起来,给出其合理的解释。

关 键 词：GARCH模型 结构突变 贝叶斯方法 股指收益率 

分 类 号：O212.8[理学—概率论与数理统计]