近年来，金融市场上金融的飞快创新，不断加快金融自由化和金融全球一体化进程，也使得金融产品的种类和数量不断增加，不管是在业界、还是在学界（陈明明等2014；王理同等2014；王鹏、姚晓2014；朱涛等2014）学者们都十分重视分析金融资产收益特性（偏斜厚尾、波动集聚）。在业界，收益特征是金融衍生品定价、风险管理、金融风险管理防范、决策、优化投资等多方面非常重要的因素。在学术界，收入特征分析、收益模型构建和收益预测全都是财务计量领域的重点和热点问题。

金融 实证

伴随着金融市场的不停发展，这些复杂的数学问题在金融界也不断的出现，例如一些非常规的金融产品定价方面，比如金融衍生品的设计、销售和购买，以及一些比较复杂的数量化投资分析等，因为这些复杂的数学问题，不能完全用纯粹的定性分析来解决，所以我们需要对这些金融问题进行精确的计算。在金融市场中，作为人们关注的焦点，波动性是一个重要的概念。随机波动是指以时间序列为中心的随机部分。然而，现有随机波动（SV）模型依赖于参数条件分布形式假设，无法充分描述金融资产收益的偏态厚尾等典型特点，而非参数分布可以全面地刻画这些特性，因此，为了使得收益数据的研究更具合理性和较高的可信度。我们采用了构建一类半参数随机波动（SV）模型的方法，并开发了一些统计特性的模型，这一类半参数随机波动模型是通过将随机波动模型和非参数分布相结合构成的，与此同时，在贝叶斯框架内，讨论了MCMC方法的参数估计和模型比较，用以解决模型的参数估计难这一问题，并运用对数预测尾部得分（LPTS）法分析模型的极端风险预测能力（林金官等教授提出的方法）（2016），对所选取的美国上市公司的股票指数（S&P 500）、微软（MSFT）个股数据进行实证研究。通过分析两个迭代的轨迹（这里鉴于篇幅限制，我们省略了相关图形），我们发现两组初始值下迭代形成的两条链的轨迹比较快地趋于重合，这说明文中MCMC方法收敛速度快且收敛性好，该方法具有比较高的有效性。

随机波动（SV）模型是研究金融资产数据的重要手段，在金融衍生产品定价、金融风险管理与预防、投资优化决策和政策制定等领域极为重要。结果表明，改进模型中波动率方程结构不能全面刻画金融资产收益数据偏态厚尾特性，对收益方程中误差项的条件分布形式的研究受到了越来越多的学者的关注。然而，现有的参数随机波动模型仍不能充分刻画这些典型特点，在本文中，基于SV模型和Dirichlet过程中非参数分布建立一类半参数SV模型，以提高模型的有效性。作为使用半参数SV模型的前提条件，文中提出了采用MCMC抽样方法对该模型进行贝叶斯分析；同时，通过使用对数预测尾部得分（LPTS）法研究半参数SV模型和标准参数SV模型对极端风险的刻画效果。通过对美国上市公司的股票指数（S&P 500）、微软（MSFT）个股数据进行实证研究发现，半参数SV模型不仅有更好的样本表现，而且半参数SV模型比参数SV模型产生更准确的波动预测。

本实证研究中，我们我们引入了半参数SV模型随时间变化的杠杆效应。时变杠杆的驱动因子是滞后收益的大小和符号。该模型嵌套的基本随机波动（SV）模型和杠杆SV模型。对所提出的模型的统计特性进行了讨论。该模型被运用到了每日的美国指数和股票回报率，并发现有优越的样本性能。虽然不能找到一个显着的杠杆效应，在经典杠杆SV的每日股票回报，杠杆效应的有力证据被发现在新的模式时，杠杆效应是允许随时间变化的。新模型不仅在样本中表现得更好，而且比经典模型更能准确地预测波动率。

本文着重于单变量模型。虽然可能需要考虑提出的模型的多变量扩展，但是这个任务超出了当前论文的范围。值得指出的是，有几个最近的研究已经引入了替代的非对称多变量SV模型。

作者简介：潘凯（1994-），性别男，名族汉，籍贯盐城，职务 柜员，学历本科，单位中国农业发展银行射阳县支行，研究方向金融。

[1] 张金清.金融风险管理[M].上海：复旦大学出版社，2009.

[2] 陈乃醒.中小企业信用担保[M].天津：南开大学出版社，2004.