基于馬爾可夫鏈蒙特卡洛方法的CEV模型參數估計.pdf

1、因Constant Elasticity of Variance（簡稱CEV）模型能很好地刻畫“波動率微笑”現象，在一定程度上修正了Black-Scholes模型中關于波動率是常數的假定，所以，我們選取CEV模型作為研究對象。然而，因CEV定價模型精準的似然函數不易求得，故對該模型進行參數估計比較困難?；谪惾~斯理論的馬爾可夫鏈——蒙特卡洛（簡稱MCMC）方法，是在計算機仿真技術基礎上誕生的一類新的估計模型未知參數的方法。與其他估計法相

2、比，MCMC方法操作簡單、參數估計的標準誤小、精確度高。
　　本文借鑒一些學者研究的在隨機波動率模型下參數估計的方法，給出了在CEV模型下的參數估計，并且以滬深300股指作為研究對象進行實證分析。首先，我們用GARCH(1，1)模型來分析研究滬深300股指收盤價對數收益率的有關數據，計算推理出該樣本對數收益的波動率，然后結合不變彈性方差求出CEV模型參數的先驗分布。其次，借助WinBUGS軟件對模型參數進行估計，參數估計結果與先驗