市場隨機(jī)波動的農(nóng)業(yè)經(jīng)濟(jì)論文范文

本站小編為你精心準(zhǔn)備了市場隨機(jī)波動的農(nóng)業(yè)經(jīng)濟(jì)論文參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

1SV模型族及參數(shù)的條件分布分析

1.1標(biāo)準(zhǔn)隨機(jī)波動的SV模型SV-N模型由Taylor提出，指的是標(biāo)準(zhǔn)SV模型，背景就是為了解釋自回歸行為，其具體表達(dá)形式。

1.2厚尾隨機(jī)波動模型厚尾現(xiàn)象是指在金融時(shí)間序列中的某種情況，無條件密度分布是異方差模型中的變量一個(gè)顯著特點(diǎn)，但正態(tài)分布則不同，異方差模型有很大很厚的尾部。通常情況下服從正態(tài)分布是SV模型的εt和日收益率的一個(gè)特點(diǎn)。本文對現(xiàn)有模型中的部分假設(shè)條件進(jìn)行約束松馳即可以得到多種分析模型。尖峰厚尾表示的是收益序列，根據(jù)以上分析，本文著重研究實(shí)際應(yīng)用案例中具有尖峰厚尾的收益序列。t分布表示SV模型的分布，又稱作為SV-T模型。

1.3均值隨機(jī)波動模型在Engle，Lilien和Robins提出的ARCH-M模型基礎(chǔ)上可以得到均值SV模型簡稱SV-M模型，本文在SV-M模型中考慮到了風(fēng)險(xiǎn)補(bǔ)償，此模型在Koopman得到了推廣應(yīng)用。根據(jù)SV-M模型的擾動項(xiàng)不同就可以得到多種不同形式的SV-M模型，以下章節(jié)主要介紹SV-MN模型和SV-MT模型。

1.4SV模型的杠桿效應(yīng)在沒有考慮到所謂的“杠桿效應(yīng)”，假設(shè)εt和ηt是相互獨(dú)立的誤差，若令誤差項(xiàng)εt和ηt具有一定的相關(guān)性，嚴(yán)格上講是負(fù)相關(guān)性。與基本SV模型相比，LeverageSV模型與SV模型的杠桿效應(yīng)是相同的，它有一個(gè)額外的相關(guān)系數(shù)ρ，其杠桿效應(yīng)的SV模型。

2蒙特卡羅方法實(shí)證與分析

2.1數(shù)據(jù)選取與分析以2005年1月4日至2013年9月26日的數(shù)據(jù)為準(zhǔn)，選用農(nóng)業(yè)相關(guān)的股市信息的日收盤價(jià)進(jìn)行具體分析，數(shù)據(jù)合計(jì)2108個(gè)，全部數(shù)據(jù)來源于搜狐經(jīng)濟(jì)，以此來分析農(nóng)業(yè)相關(guān)股市信息的隨機(jī)波動對農(nóng)業(yè)經(jīng)濟(jì)的影響。求解日收益序列時(shí)。由此可知，所表示的正態(tài)分布的峰度為3，偏度為0。厚尾分布的峰度值大于3，，特別情況下的峰度甚無限大，且峰度的右偏分布曲線大于0。另外，判斷序列正態(tài)性的檢驗(yàn)方法是Jarque-Bera值的差別通過正態(tài)序列與比較序列的峰度和偏度得到的。在此，針對上證指數(shù)的日收益序列，我們利用eviews軟件對其進(jìn)行分析可以得到兩者之間的差異。意外的發(fā)現(xiàn)股票收益率的平均值基本等于零，原因?yàn)閷颖镜臄?shù)據(jù)標(biāo)準(zhǔn)化處理過程中偏度可為負(fù)值或正值，若是正值，右側(cè)均值要比左側(cè)的均值大。其峰值的偏斜說明分布為不平衡分布。峰度比正態(tài)分布的峰度要大三倍以上，說明收益率分布具有尖峰厚尾的特征。且隨日收益序列的JB得到的伴隨概率等于零，這也說明峰值的分布與正態(tài)分布是有差別的。所以，對厚尾性的檢驗(yàn)可根據(jù)下圖進(jìn)行分析（圖1）得到。由圖1知，放在圖形上通過描繪分布理論分位數(shù)，此描繪分布理論的過程屬于統(tǒng)計(jì)圖形技術(shù)。且分析數(shù)據(jù)符合所劃定的分布會呈現(xiàn)出一條直線的形式。由1（b）圖知，厚尾特征明顯，不管是損失方面還是收益方面并未嚴(yán)格的位于同一條直線上，所以造成了出現(xiàn)不正常值的概率將會增大。由圖可以看出是有明顯的趨勢，這也從另一方面證明了收益率分布不服從正態(tài)分布。

2.2模擬結(jié)果分析本章用WinBUGS軟件做參數(shù)估計(jì)，以貝葉斯方法分析5種SV模型進(jìn)行5000次迭代。在迭代時(shí)，對每個(gè)待估參數(shù)都進(jìn)行同樣次數(shù)的操作。然后，根據(jù)迭代結(jié)果選擇最優(yōu)3000次迭代值，根據(jù)此最優(yōu)的MC模型的方法可很明顯確定是否收斂。最后，我們將會得到參數(shù)的標(biāo)準(zhǔn)差、平均值及分位數(shù)。由上表的數(shù)據(jù)分析可知：（1）波動水平μ的絕對值中，LeverageSV最大，也意味著LeverageSV模型具有最強(qiáng)烈的波動性，其他的四個(gè)模型的波動性均比LeverageSV小。（2）五個(gè)模型中的ϕ值都大于0.967，都比較大。SV-MT模型中的ϕ值最大，達(dá)到了0.9879，根據(jù)此知，若具有連續(xù)性的收益序列的波動，隨機(jī)波動的分析模型應(yīng)該選SV-MT模型。（3）擾動水平以精度參數(shù)τ表示，方差σ2的值是衡量一個(gè)事物的擾動水平，他們的關(guān)系為τ越大，σ2越小，所得到的ϕ值就會越小。SV-MT模型中τ值是最小的，所以五個(gè)模型中SV-MT模型模擬效果是最好的。（4）參數(shù)d是測量均值波動效應(yīng)，其表示模型的回歸系數(shù)，若顯著性水平在5%之下，則d的值就非常接近零值，但出現(xiàn)這種情況的可能性是是很低的，由于本文中的d值的平均值等于零，而且時(shí)為為正值，時(shí)為為負(fù)值。所以，收益和波動之間的關(guān)系為不確定的。（5）參數(shù)ρ的后驗(yàn)均值在LeverageSV模型中為-0.2461，在區(qū)間[-0.3555,-0.1144]上95%的后驗(yàn)置信區(qū)間,通過對比波動和收益誤差，能明顯地發(fā)現(xiàn)收益序列中存在杠桿效應(yīng)，但其相關(guān)性關(guān)系不是很明顯。可以根據(jù)MC仿真方法求解出模型的Dˉ值、pD值和DIC值，五個(gè)模型中的DIC值通過迭代1000次得到。由釁可知，LeverageSV模型的平均值只有-12312.800，是五個(gè)模型中平均值最小的一個(gè)模型，這說明在LeverageSV模型是最好的。pD值在LeverageSV模型中是最高的，這表明該模型是最繁瑣且最不好的。對比所有的分析結(jié)果發(fā)現(xiàn)，最優(yōu)的是Le-verageSV模型，其次是SV-MN模型和標(biāo)準(zhǔn)SV模型，SV-T模型和SV-MT模型是最差的。

2.3對模型DIC進(jìn)行分析比較通過貝葉斯統(tǒng)計(jì)軟件WinBUGS中的DIC模塊可以計(jì)算DIC準(zhǔn)則。WinBUGS中的DIC模塊具有較好的可操作性，使得建模過程中通過DIC準(zhǔn)則實(shí)施過程相對簡單容易，這也從另一方面印證了DIC準(zhǔn)則優(yōu)于其他的模型或方法。

3結(jié)論

本文的研究工作主要基于農(nóng)業(yè)相關(guān)股市的隨機(jī)波動對農(nóng)業(yè)經(jīng)濟(jì)影響的問題，通過建模并分析了Leverage、SV-N、SVSV-MN、SV-T、SV-MT五個(gè)模型，以收益序列為分析樣本，詳細(xì)的分析了Gibbs抽樣的MC方法，構(gòu)造了5種波動模型。結(jié)論表明：SV-MT模型可描繪波動集聚性并顯示出波動水平及尖峰厚尾特征，所以SV-MT模型是最適合評價(jià)收益的波動性影響農(nóng)業(yè)經(jīng)濟(jì)的模型。另一方面，DIC值在LeverageSV模型下能較好做出數(shù)據(jù)的模擬，并顯示出對農(nóng)業(yè)經(jīng)濟(jì)的影響強(qiáng)度及存在較弱杠桿效應(yīng)，此表明未來農(nóng)業(yè)市場的波動性會根據(jù)市場股票價(jià)格的漲跌有較大的關(guān)系。實(shí)踐中通過DIC準(zhǔn)則來判斷模型時(shí)需要考慮如下問題：首先，在選擇DIC準(zhǔn)則時(shí)不能僅僅依賴信息準(zhǔn)則。其次，DIC準(zhǔn)則是以簡潔的方式來分析數(shù)據(jù)信息并識別模型原則，對市場波動性的預(yù)測應(yīng)該先用SV族模型，DIC準(zhǔn)則確定的模型雖然在一定程度上具有預(yù)測能力，但此種情況下確定的模型不一定是最好的預(yù)測能力。因此，應(yīng)根據(jù)最終具體的用途確定是否用DIC準(zhǔn)則。

作者：杜俊娟單位：安徽新華學(xué)院商學(xué)院