购买力平价的Johansen协整检验与非线性特征研究

为了研究购买力平价在我国的适应性问题,文章运用Johansen极大似然估计法,对名义汇率与中美物价指数之间的多变量协整关系进行了检验,构建了非线性阀值自回归模型。研究结果表明:购买力平价理论在我国汇率体制改革的背景下无法得到充分支持,购买力平价还不能很好地解释人民币汇率的变化规律,人民币汇率的形成机制需要不断加以完善。     

基于贝叶斯网络的上市公司财务困境预测研究

公司财务困境预测一直是国内外公司管理领域重要的研究问题。文章通过分析国内外以往公司财务困境预测研究成果与经验的基础上,选取研究样本,基于相关分析方法筛选出预测指标变量。将预测变量离散化进而学习网络参数,构建了用以预测公司财务困境状况的朴素贝叶斯网络分析模型。实证研究结果表明：作为分类和预测工具,贝叶斯网络模型在财务困境预测研究中具有良好的预测能力与应用前景。     

基于状态空间的贝叶斯跳跃厚尾金融随机波动模型研究

针对金融市场中跳跃特征的刻画问题,提出了贝叶斯跳跃厚尾随机波动模型。通过随机波动模型的结构分析和状态空间转换,设计了模型参数估计的MCMC算法,利用Kalman滤波和高斯模拟平滑方法估计模型的潜在波动,运用贝叶斯因子对随机波动类模型进行比较分析,并利用中国和美国的股市收益数据进行实证分析。研究结果表明:在刻画中、美两国股票市场的波动特征方面,跳跃厚尾随机波动模型要明显优于厚尾随机波动模型和标准随机波动模型,并且金融危机背景下的中国和美国股票市场都具有明显的波动持续性以及跳跃特征。     

基于Gibbs抽样的贝叶斯超高频金融数据协整关系研究

针对传统协整检验不能适用于具有随机性特征的超高频金融数据的问题,构建贝叶斯超高频金融数据协整模型,结合参数的后验条件分布设计Gibbs抽样方案,提出基于超高频金融数据的贝叶斯协整检验方法,并利用中国股市超高频金融数据进行实证分析。研究结果表明：贝叶斯方法把参数看作随机变量的思想适合超高频数据随机性的特点,贝叶斯超高频数据协整方法能够不断更新参数信息,避免了OLS估计的有偏性问题,可以得到更符合实际的结论。     

基于APF算法的贝叶斯金融厚尾MSSV模型研究

针对金融时间序列普遍具有的波动聚集性和厚尾特征,将对风险管理尤为重要的一些极端点纳入模型之中,构建厚尾马尔科夫转移随机波动模型,采用带辅助变量的粒子滤波算法对波动和潜在状态进行预测,并估计模型参数.由于t分布与正态分布的特殊关系,通过选取不同自由度进行仿真分析,研究发现MSSV-t模型较一般MSSV模型对于消除波动持续性参数的高估问题更加有效.结合对中国上证综指股价波动的实证研究,证明了基于APF算法的MSSV-t模型在潜在波动状态的预测及突发事件的探测方面具有优良的性质,同时具备提高波动预测精度的能力.     

基于MCMC模拟的贝叶斯复合状态信用溢价模型研究

针对已有的信用溢价模型只考虑了单一尺度的波动均值回复过程,从而导致的信息损失问题,提出了贝叶斯复合状态信用溢价模型,据此辨析不同尺度的信用溢价波动回复状态。利用不同剩余偿付期的中国企业债信用溢价指数序列,引入了基于混合正态分布的多步MCMC方法对复合状态模型进行贝叶斯分析,研究结果表明:不同剩余偿付期的债券具有不同的异方差水平,均值回复过程可以区分为长期和短期两种趋势,并且分别具有不同的尺度维度;长期回复过程显示了序列的整体波动趋势,短期回复过程更细致地刻画了极值点的影响;与传统模型的比较突出了复合状态模型在拟合效果上的优越性。     

基于多子样的贝叶斯动态过程能力估计与评价方法研究

针对参数随机化情况下生产过程能力的评价问题,提出了新的过程能力指数估计与评价方法。通过质量控制模型的统计结构分析,研究了扩散先验分布下参数后验分布,据此构造了过程能力指数的贝叶斯点估计和区间估计;在此基础上,将前一阶段模型参数后验分布作为下一阶段的参数先验分布,充分利用历史数据信息,建立了过程能力指数及其下限的贝叶斯动态评价模型。研究结果表明:与现有的贝叶斯过程能力指数估计方法比较,贝叶斯动态过程能力指数的预测精度优于前者,更能反映实际生产过程能力水平。