叶 静

基于贝叶斯的金融时间序列预测研究

叶 静

传统的时间序列分析与预测方法没有考虑样本和参数的先验信息，导致预测结果和实际数据的偏差较大，贝叶斯参数估计方法可以充分利用参数的先验信息，使得估计参数的方差更小，估计结果更加精确，预测结果更真实有用。随着MCMC方法和WinBUGS软件的发展，贝叶斯分析方法估计模型的计算困难逐渐减弱，因此，近年来贝叶斯时间序列预测方法越来越受到关注。本文基于上证指数收盘价的数据，采用Eviews和 WinBugs软件，对样本数据进行预处理，利用贝叶斯参数估计方法进行时间序列自回归模型的实证研究分析。

自回归模型；贝叶斯参数估计；MCMC方法

在现实经济生活中，根据经济过程所表现出来的规律性对经济序列未来发展趋势进行研究，可以对未来经济活动有所了解，捕捉经济特点，为政府和企业提供经济决策。由于经济系统存在惯性，随着时间推移经济系统变量之间常常存在一定的相关关系，因此，时间序列分析和预测方法在经济预测问题中运用普遍。金融时间序列数据比较复杂，常常呈现出较强的非平稳性和长记忆性。传统时间序列分析方法对于捕捉金融时间序列数据的这种复杂特性准确度不高，所作预测偏差也较大。尤其在对模型进行参数估计的过程中，由于经济序列通常不能满足基本假定条件，导致模型的估计结果不准确，从而模型的预测也失效。且传统时间序列预测法不能避免自由度不足的问题、由于参数过多而要求样本容量足够大的问题以及无法重复实验检验模型预测好坏的问题。……