贝叶斯随机波动预测模型构建及其在金融领域中的应用研究

随机波动模型是研究金融时间序列波动性的重要工具，它主要用于汇率、股市等金融市场的波动性预测分析。现有的随机波动模型是建立在经典统计理论体系之上的，它存在模型参数过多、样本容量较小的难以解决的矛盾；针对这一问题，本项目运用现代贝叶斯推断理论，MCMC模拟技术和时间序列滤波分析方法，建立金融随机波动的贝叶斯预测理论体系，包括贝叶斯非对称随机波动预测模型、贝叶斯结构变化随机波动预测模型和贝叶斯多变量长记忆随机波动预测模型，不仅可以解决金融时间序列模型构建过程中样本容量不足问题，而且能够提高金融市场波动性预测的精度，降低金融投资风险。.金融时间序列波动的贝叶斯预测分析理论是计量经济模型研究领域中具有重要理论意义的前沿性课题，本项目的研究不仅可以开拓计量经济模型研究的新领域，而且也有利于缩短我国学者在贝叶斯理论研究领域与国外的差距，同时对推动贝叶斯分析方法在金融风险分析中的应用具有重要的实用价值