基于混合蒙特卡洛的随机波动率模型贝叶斯推断

将混合蒙特卡洛（HMC）算法应用于随机波动率（SV）模型的贝叶斯推断。我们使用HMC算法对SV模型的波动率变量进行马尔可夫链蒙特卡洛更新。首先，我们使用人工金融数据计算SV模型的参数，并将HMC算法的结果与Metropolis算法的结果进行比较。我们发现HMC算法比Metropolis算法更快地去相关波动率变量。其次，我们使用HMC算法对日经225股票指数的时间序列进行了实证研究。我们发现采样数据的相关行为与人工金融数据的结果相似，并得到了接近1的$\phi$值（$\phi \approx 0.977$），这意味着该时间序列具有强烈的波动率冲击持续性。