金融市場投資標(biāo)的的波動(dòng)率研究一直以來都是金融領(lǐng)域研究的核心內(nèi)容之一。已實(shí)現(xiàn)波動(dòng)率作為代表性波動(dòng)率之一,能夠很好的反映出投資者對(duì)市場的態(tài)度和看法。隨著信息與計(jì)算機(jī)技術(shù)的巨大進(jìn)步,中國金融市場的交易頻率飛速提升。在此基礎(chǔ)上,高頻微觀下的已實(shí)現(xiàn)波動(dòng)率研究正逐步展現(xiàn)其重要的研究價(jià)值。這其中,物理金融學(xué)的大力發(fā)展將多重分形這一重要的非線性工具引入了金融學(xué)的應(yīng)用之中,為金融市場的研究提供了重要的分析工具。本文首先利用這一工具對(duì)高頻微觀結(jié)構(gòu)下的已實(shí)現(xiàn)波動(dòng)率進(jìn)行了深入的投資者特征異質(zhì)性探討,而后基于其多重分形特征中的局部自相似性提出了專門針對(duì)高頻已實(shí)現(xiàn)波動(dòng)率的預(yù)測(cè)和刻畫的多尺度多自相似區(qū)間參照法,最后基于其自相似性拓展了高頻已實(shí)現(xiàn)波動(dòng)率在金融市場中投資交易和風(fēng)險(xiǎn)管理的實(shí)際應(yīng)用。論文的主要?jiǎng)?chuàng)新工作歸納如下。1.在我國金融市場投資者的異質(zhì)性研究中,將高頻已實(shí)現(xiàn)波動(dòng)率的多重分形特征值引入其評(píng)估體系,建立高頻已實(shí)現(xiàn)波動(dòng)率的多維度特征矢量。通過對(duì)特征矢量間的歐氏距離的對(duì)比來進(jìn)行投資者特征的異質(zhì)性研究。傳統(tǒng)研究表明,投資者的特征與外部環(huán)境有著密切聯(lián)系,而本文借助我國多層次資本市場所提供的豐富金融衍生品,進(jìn)一步的將...

【文章頁數(shù)】：146 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景
        1.1.1 現(xiàn)實(shí)背景
        1.1.2 理論背景
    1.2 研究現(xiàn)狀
        1.2.1 有效市場假說
        1.2.2 典型事實(shí)
        1.2.3 金融市場分形及多重分形研究文獻(xiàn)綜述
        1.2.4 波動(dòng)率研究回顧
    1.3 研究意義
        1.3.1 當(dāng)前相關(guān)研究的不足
        1.3.2 理論與現(xiàn)實(shí)意義
    1.4 研究內(nèi)容與方法
    1.5 論文結(jié)構(gòu)安排
    1.6 創(chuàng)新之處
2 多重分形理論及辨識(shí)方法
    2.1 分形及分形市場理論
        2.1.1 分形的定義
        2.1.2 分形維
        2.1.3 分形市場理論
    2.2 多重分形理論
        2.2.1 多重分形定義與刻畫
        2.2.2 多重分形辨識(shí)方法
        2.2.3 關(guān)于多重分形辨識(shí)的參數(shù)選擇
    2.3 多重分形特征值
        2.3.1 廣義赫斯特指數(shù)與標(biāo)度函數(shù)
        2.3.2 奇異指數(shù)和多重分形奇異譜
3 中國金融市場高頻已實(shí)現(xiàn)波動(dòng)率多情景多重分形特征辨識(shí)及其特征值應(yīng)用
    3.1 標(biāo)準(zhǔn)研究對(duì)象的選取
        3.1.1 上證50 指數(shù)
        3.1.2 上證50 ETF
        3.1.3 上證50 指數(shù)期貨
        3.1.4 基于超高頻數(shù)據(jù)的積分波動(dòng)率算法
        3.1.5 樣本數(shù)據(jù)概覽
    3.2 中國證券期貨市場的不同交易頻率多重分形特征
    3.3 中國證券期貨市場的不同行情多重分形特征
    3.4 高頻已實(shí)現(xiàn)波動(dòng)率的動(dòng)態(tài)多重分形特征
        3.4.1 整體變化情況
        3.4.2 巨幅波動(dòng)時(shí)的變化
    3.5 引入多重分形特征值的投資標(biāo)的歷史表現(xiàn)評(píng)估
        3.5.1 引入高頻已實(shí)現(xiàn)波動(dòng)率多重分形特征值的必要性檢驗(yàn)
        3.5.2 引入高頻已實(shí)現(xiàn)波動(dòng)率多重分形特征值的歷史交易總結(jié)與評(píng)估
        3.5.3 基于高頻已實(shí)現(xiàn)波動(dòng)率多重分形特征值的投資標(biāo)的復(fù)雜性評(píng)估
    3.6 本章小結(jié)
4 高頻已實(shí)現(xiàn)波動(dòng)率的多尺度多自相似區(qū)間參照法預(yù)測(cè)
    4.1 金融市場高頻已實(shí)現(xiàn)波動(dòng)率的刻畫與預(yù)測(cè)
        4.1.1 GARCH類模型
        4.1.2 HAR-RV模型
        4.1.3 長短期記憶神經(jīng)網(wǎng)絡(luò)LSTM
        4.1.4 ARFIMA模型
        4.1.5 高頻已實(shí)現(xiàn)波動(dòng)率的預(yù)測(cè)難點(diǎn)
    4.2 多尺度多自相似區(qū)間參照法
        4.2.1 理論基礎(chǔ)
        4.2.2 現(xiàn)實(shí)基礎(chǔ)
        4.2.3 多尺度多自相似區(qū)間參照方法
    4.3 多尺度多自相似區(qū)間參照方法拓展研究
        4.3.1 自相似性檢驗(yàn)
        4.3.2 參照自相似區(qū)間的預(yù)測(cè)基準(zhǔn)選擇
        4.3.3 尺度選擇
    4.4 本章小結(jié)
5 基于多重分形特征的高頻已實(shí)現(xiàn)波動(dòng)率自相似性應(yīng)用
    5.1 自相似區(qū)間檢驗(yàn)應(yīng)用
        5.1.1 自相似性程度檢驗(yàn)方法
        5.1.2 多投資標(biāo)的自相似強(qiáng)度
        5.1.3 多情景自相似強(qiáng)度
        5.1.4 自相似強(qiáng)度的動(dòng)態(tài)研究
        5.1.5 通過自相似程度檢驗(yàn)合理規(guī)劃投資組合日內(nèi)資金使用
    5.2 高頻已實(shí)現(xiàn)波動(dòng)率的奇異事件時(shí)間間隔概率分布估計(jì)
        5.2.1 長記憶性序列的奇異事件及奇異事件時(shí)間間隔
        5.2.2 核函數(shù)密度估計(jì)
        5.2.3 基于長記憶性的參數(shù)估計(jì)
        5.2.4 數(shù)據(jù)實(shí)證
    5.3 本章小結(jié)
6 總結(jié)與展望
    6.1 研究工作總結(jié)
        6.1.1 高頻已實(shí)現(xiàn)波動(dòng)率多重分形特征研究總結(jié)
        6.1.2 高頻已實(shí)現(xiàn)波動(dòng)率預(yù)測(cè)總結(jié)
        6.1.3 高頻已實(shí)現(xiàn)波動(dòng)率特征應(yīng)用總結(jié)
    6.2 當(dāng)前研究的不足以及有待解決的問題
    6.3 未來的研究方向
參考文獻(xiàn)
致謝



本文編號(hào)：3748437