基于mcmc算法的金融高频数据贝叶斯分析

《基于mcmc算法的金融高频数据贝叶斯分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：10564学号：2013211503分类号：O212.8密级：硕士学位论文基于MCMC算法的金融高频数据贝叶斯分析廖春芳指导教师：刘金山教授学院名称：数学与信息学院专业名称：概率论与数理统计答辩委员会主席：教授中国·广州2016年6月华南农业大学学位论文原创性声明本人郑重声明：所呈交的学位论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者签

2、名：日期：学位论文提交同意书本学位论文符合国家和华南农业大学关于研究生学位论文的相关规定，达到学位授予要求，同意提交。导师签名：日期：学科带头人签名：日期：摘要随着股票市场电子交易的兴起和发展，高频交易数据的获取成为可能。由于高频数据对捕捉股市微观结构有着十分显著的作用，因此高频数据的分析尤为重要。本文根据高频数据的特点，利用贝叶斯方法，对高频数据的价格和持续期进行模型建立及分析。本文选取2016年3月21日至3月25日为期一周关于浦发银行的股票交易高频数据进行实证分析。第一、对价格变化建立贝叶斯顺序概率模型。对浦发银行3月24日的交易价格建立贝叶斯

3、顺序概率模型，在MCMC抽样过程中利用Liuetal.（2000）提出的组变化方法，将某些参数做线性变换，从而可以大大提高样本的收敛速度。利用抽样样本对模型参数进行估计。然后利用已估计的顺序概率模型对价格进行向前一步的样本内预测，发现模型可以捕捉到68%的交易价格信息。第二、对持续期建立贝叶斯门限随机条件持续期模型（T-SCD）。考虑浦发银行3月21至3月25日为期一周的持续期数据，利用调整后的持续期建立条件持续期模型，并且通过信息准则选择新息分布为伽玛的条件持续期模型。经过非线性检验，发现伽玛持续期模型残差存在非线性性，随后对调整后的持续期建立两体

4、制的T-SCD(1,2)模型。比较模型的似然函数值发现该模型优于其他模型，并可以用来解释大量交易和少量交易的交易动态性。第三、对价格变化和持续期建立二元模型（PCD）。考虑浦发银行3月24日的交易数据，对其建立贝叶斯PCD模型，利用MCMC算法估计得到的模型结果显示：价格变化量和持续期都存在显著地动态相依性；持续期越大，则价格变化期间的交易量越少，同时交易价格正向变化的概率越大。此外价格变动方向不同，则价格变化量所受到的影响因素也不同。价格负向变化时，价格变化量更多的是受到无价格变化信息的影响；而价格正向变化时，价格变化量更多的是受到非零价格变化信息

5、的影响。交易信息越多，价格变化越平稳；反之，交易价格波动越大。本文的创新点在于对中国股票市场的高频数据建立顺序概率模型、随机波动率模型、PCD模型，并利用贝叶斯方法对模型参数进行估计，以此对中国股市的微观结构进行分析，同时将随机持续期模型进行了一定的推广。关键词：高频数据；顺序概率模型；门限SCD模型；PCD模型；MCMC算法IBayesianAnalysisofHighFrequencyFinancialDataBasedonMCMCAlgorithmLiaoChunfang(CollegeofMathematicsandInformatics,S

6、outhChinaAgriculturalUniversity,Guangzhou510642,China)Abstract:Withthegrowingofelectricaltransactioninthestockmarket,highfrequencydataiseasierandmoreconvenienttoattain.Moreover,theanalysisofhighfrequencydatahasasignificanteffectongettingthedynamicinformationofmicro-mechanism.So

7、,theanalysisofhighfrequencydataisespeciallyimportant.AndthisarticleisdevotedtobuildpriceanddurationmodelwiththeBayesianmethodbasedonthecharactersofhighfrequencydata.Inthispaper,ShanghaiPudongDevelopmentBank(SPDB)stockdatabetweenMarch21andMarch25in2016ischosetoanalyzethecharacte

8、rsofthehighfrequencydatainChina.Firstly,buildanBayesia