金融随机波动模型的贝叶斯单位根检验方法研究

近些年来, 对金融资产收益波动性研究已经成为了金融计量研究的一个重点问题。随机波动模型是拟和金融资产收益波动的一个重要模型，是ARCH类模型的一个有效替代。对于随机波动模型，经常需要对其检验单位根。之所以要检验单位根，一是单位根被拒绝是随机波动模型稳定的一个重要条件，另外也是观察金融资产波动持续性的一个有效方法。 然而，由于随机波动模型的似然函数没有解析形式，参数估计及其标准误均很难获得，因而建立在这些统计量基础上的经典单位根检验统计量如ADF检验统计量使用相当困难，甚至是不能使用。本项目，则运用贝叶斯计量经济学方法和马尔可夫蒙特卡罗模拟(MCMC)技术，系统研究随机波动模型及其推广形式如厚尾、杠杆效应、跳跃随机波动模型的单位根检验问题。这项研究不仅对于检验有关股市的国家宏观经济政策的效果有一定程度的应用价值， 而且对于微观投资者来说，也有一定的参考价值。

随机波动模型是拟和金融资产收益波动的一个重要模型。对于随机波动模型，经常需要对其检验单位根。 由于随机波动模型的似然函数没有解析形式，参数估计及其标准误均很难获得，因而建立在这些统计量基础上的经典单位根检验统计量如ADF检验统计量使用相当困难，甚至是不能使用。本项目，运用贝叶斯计量经济学方法和马尔可夫蒙特卡罗模拟(MCMC)技术，系统研究随机波动模型的单位根检验问题。我们主要有三个方面的研究工作：（1）首先，我们基于路径抽样方法，发展了计算贝叶斯因子的一个有效方法，用以随机波动模型的单位根检验问题。(2) 针对具有随机波动误差的AR(1)模型，如果随机波动是非稳定的，常用的Dicker-Fuller检验统计量会有严重的size偏差问题。我们推导了一个新的贝叶斯因子统计量的形式，用以检验单位根，并且没有size偏差问题。(3) 针对潜变量模型，基于决策理论，我们提出了一个新的贝叶斯假设检验方法，可以用以随机波动模型的单位根检验问题。