中国股指收益率序列GARCH模型中变点的Bayes识别

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。