基于馬爾可夫鏈蒙特卡洛方法的CEV模型參數(shù)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(xiàn)象，在一定程度上修正了Black-Scholes模型中關(guān)于波動率是常數(shù)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(zhǔn)的似然函數(shù)不易求得，故對該模型進(jìn)行參數(shù)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(shù)基礎(chǔ)上誕生的一類新的估計模型未知參數(shù)的方法。與其他估計法相

2、比，MCMC方法操作簡單、參數(shù)估計的標(biāo)準(zhǔn)誤小、精確度高。
　　本文借鑒一些學(xué)者研究的在隨機波動率模型下參數(shù)估計的方法，給出了在CEV模型下的參數(shù)估計，并且以滬深300股指作為研究對象進(jìn)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(shù)收益率的有關(guān)數(shù)據(jù)，計算推理出該樣本對數(shù)收益的波動率，然后結(jié)合不變彈性方差求出CEV模型參數(shù)的先驗分布。其次，借助WinBUGS軟件對模型參數(shù)進(jìn)行估計，參數(shù)估計結(jié)果與先驗