Oct. 25, 2009
多変量因子確率的ボラティリティ変動モデル
Multivariate Factor Stochastic Volatility Model
要旨Abstract
本稿では危険資産の多変量時系列のモデルとして近年研究の進められている幾つかの多変量確率的ボラティリティ変動モデルについて取り上げ，拡張を行ったモデルについてマルコフ連鎖モンテカルロ法による推定方法を提案する．特に株式市場における多数の株式収益率のモデルでは，多変量確率的ボラティリティ変動モデルに共通因子が潜在変数として導入されているため，パラメータや潜在変数の個数が多くなり，最尤法による推定方法は困難である．また，この拡張されたモデルでは，株式市場で観察されるボラティリティの非対称性を未だ考慮していない．このため本稿ではベイズ・アプローチをとり，多変量因子確率的ボラティリティ変動モデルを非対称性を含むモデルに拡張し，効率的なマルコフ連鎖モンテカルロ法を用いた推定方法を提案する．
This paper considers a Bayesian analysis of a multivariate factor asymmetric stochastic volatility model, and proposes an efficient Markov chain Monte Carlo (MCMC) method. The basic multivariate stochastic volatility has been recently extended to consider common factors among asset returns. However, well-known leverage effects in stock markets still have not been considered in the past literature. This paper generalizes the basic multivariate stochastic model by incorporating both leverage effects and common factors. Since the maximum likelihood estimation of such a generalized model is difficult to implement due to many parameters and latent variables, we take a Bayesian approach and use MCMC estimation. The block sampler for latent volatility variables is used to accelerate the convergence of MCMC samples to the posterior distribution.
書誌情報Bibliographic information
Vol. 58, No. 4, 2007 , pp. 335-351
HERMES-IR（一橋大学機関リポジトリ）: https://doi.org/10.15057/21925
