在現(xiàn)代金融市場(chǎng)中,波動(dòng)率在金融產(chǎn)品定價(jià)和風(fēng)險(xiǎn)管理中具有較為重要的作用。本文以深證成指5分鐘高頻交易數(shù)據(jù)為研究對(duì)象,建立Realized GARCH模型對(duì)深證成指的波動(dòng)率和VaR進(jìn)行估計(jì)和預(yù)測(cè)。波動(dòng)率模型的擬合數(shù)據(jù)使用2011年12月31日至2018年11月23日每個(gè)交易日的5分鐘高頻交易數(shù)據(jù)。根據(jù)深證成指每日收益率的波動(dòng)變化情況,構(gòu)建改進(jìn)的Realized GARCH模型,通過(guò)各模型波動(dòng)率的擬合效果對(duì)比,選擇能夠更好擬合深證成指波動(dòng)率的模型并對(duì)波動(dòng)率進(jìn)行預(yù)測(cè)。同時(shí)還將使用風(fēng)險(xiǎn)價(jià)值模型（VaR）對(duì)深證成指進(jìn)行風(fēng)險(xiǎn)分析并預(yù)測(cè)未來(lái)股市的下行風(fēng)險(xiǎn)。在波動(dòng)率估計(jì)方面,主要三種因素對(duì)波動(dòng)率估計(jì)的影響,其中包括RV、RRV、RBV三種已實(shí)現(xiàn)測(cè)度,基于正態(tài)分布、t分布、Skewed-t分布的三種殘差分布以及是否考慮波動(dòng)率的長(zhǎng)記憶性引入ARFIMA模型,通過(guò)對(duì)比選擇擬合效果最優(yōu)的模型進(jìn)行分析,并基于向前一步預(yù)測(cè)對(duì)波動(dòng)率500個(gè)樣本外數(shù)據(jù)進(jìn)行預(yù)測(cè)。對(duì)于VaR的計(jì)算,進(jìn)行滾動(dòng)窗口一步預(yù)測(cè)對(duì)未來(lái)VaR并繪制曲線,同時(shí)將使用Kupice檢驗(yàn)法對(duì)各模型的結(jié)果進(jìn)行檢驗(yàn)并通過(guò)比較結(jié)果,從中選擇預(yù)測(cè)效果最好的模型。首先... 

【文章來(lái)源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖３－１深證成指收盤(pán)價(jià)走勢(shì)圖??２０１５３，，

?山東大學(xué)碩士學(xué)位論文???市場(chǎng)，市場(chǎng)交易量嚴(yán)重萎縮，股市冷冷清清。后來(lái)，為了穩(wěn)住市場(chǎng)，政府和監(jiān)??管部門(mén)出臺(tái)了相應(yīng)的救市政策，股市才逐漸穩(wěn)定下來(lái)。??２０１８年股市受多方面原因的影響，股市又一次開(kāi)始大幅下跌，股市時(shí)而也??會(huì)出現(xiàn)單日大幅下跌，股價(jià)閃崩等現(xiàn)象。??研宂股票研宄波動(dòng)率，通常是以股票市場(chǎng)的收益率為研究對(duì)象，指數(shù)的日??收益率是用相鄰兩交易日指數(shù)所對(duì)應(yīng)的收盤(pán)價(jià)的一階差分值。收盤(pán)價(jià)－收盤(pán)價(jià)，??計(jì)算出的收益率包含了前一天收盤(pán)后到第二天開(kāi)盤(pán)時(shí)的波動(dòng)因素，而這一部分??的影響是不可忽略的，因此收盤(pán)價(jià)－收盤(pán)價(jià)相比收盤(pán)價(jià)－開(kāi)盤(pán)價(jià)更為合適。??對(duì)深證成指的對(duì)數(shù)收益率序列進(jìn)行基本的統(tǒng)計(jì)分析，得到相應(yīng)結(jié)果。??

?山東大學(xué)碩士學(xué)位論文???由收益率的時(shí)間序列圖可以看出波動(dòng)率在一定時(shí)間區(qū)間內(nèi)，具有非常明顯??的波動(dòng)性和聚集性。通常在一個(gè)大的波動(dòng)（小的波動(dòng)）后更大概率緊接著會(huì)出??現(xiàn)另一個(gè)較大幅度的波動(dòng)（較小幅度的波動(dòng)）。??從收益率序列圖中可以看出，在２０１５年前后波動(dòng)率較大，在此期間是股市??的新一輪的牛市，重新燃起股市的火熱行情，股市波動(dòng)率不斷增大。??

【參考文獻(xiàn)】：
期刊論文
[1]利用已實(shí)現(xiàn)極差預(yù)測(cè)市場(chǎng)波動(dòng)率——基于ARFIMA-Realized GARCH模型的實(shí)證研究[J]. 覃思程.  經(jīng)濟(jì)論壇. 2018(01)
[2]基于時(shí)間序列GARCH（1,1）模型的上證50ETF波動(dòng)率預(yù)測(cè)[J]. 呂志鴻.  中國(guó)市場(chǎng). 2015(49)
[3]我國(guó)創(chuàng)業(yè)板市場(chǎng)的波動(dòng)性研究——基于GARCH模型的分析[J]. 吳俊.  時(shí)代金融. 2014(33)
[4]利用高頻數(shù)據(jù)預(yù)測(cè)滬深300指數(shù)波動(dòng)率——基于Realized GARCH模型的實(shí)證研究[J]. 王天一,趙曉軍,黃卓.  世界經(jīng)濟(jì)文匯. 2014(05)
[5]滬深300指數(shù)期貨已實(shí)現(xiàn)波動(dòng)率的跳躍行為[J]. 田鳳平,楊科,林洪.  系統(tǒng)工程. 2014(02)
[6]創(chuàng)業(yè)板指數(shù)波動(dòng)率預(yù)測(cè)效果比較研究——基于GARCH族模型[J]. 林德欽.  金融教學(xué)與研究. 2014(01)
[7]創(chuàng)業(yè)板市場(chǎng)發(fā)展現(xiàn)狀與對(duì)策研究[J]. 沐莉.  中外企業(yè)家. 2014(01)
[8]基于價(jià)格極差的GARCH模型[J]. 孫便霞,王明進(jìn).  數(shù)理統(tǒng)計(jì)與管理. 2013(02)
[9]交易量與股價(jià)波動(dòng)性動(dòng)態(tài)關(guān)系的研究[J]. 王藝霖,周淵.  復(fù)旦學(xué)報(bào)(自然科學(xué)版). 2012(04)
[10]利用高頻數(shù)據(jù)管理滬深300指數(shù)的尾部風(fēng)險(xiǎn)——基于Realized GARCH模型的VaR[J]. 黃雯,王天一,黃卓.  中大管理研究. 2012(02)

碩士論文
[1]高頻數(shù)據(jù)波動(dòng)率的測(cè)度及應(yīng)用[D]. 周慧.浙江大學(xué) 2017
[2]基于Skewed-T Realized GARCH模型的滬深300指數(shù)波動(dòng)性研究[D]. 康凱.天津商業(yè)大學(xué) 2017
[3]上證50 ETF的波動(dòng)率研究及VaR測(cè)算[D]. 劉祥.華東理工大學(xué) 2017
[4]基于改進(jìn)的GARCH模型對(duì)股市波動(dòng)率擬合預(yù)測(cè)能力的研究[D]. 李伶.西南財(cái)經(jīng)大學(xué) 2016
[5]基于極值理論的VaR測(cè)度及實(shí)證研究[D]. 張振宇.浙江工業(yè)大學(xué) 2014
[6]基于擬蒙特卡羅方法的VaR計(jì)算及其在中國(guó)股市中的實(shí)證研究[D]. 李擎.復(fù)旦大學(xué) 2013
[7]基于EGARCH-M模型的日歷效應(yīng)研究[D]. 胡恩蘭.西南財(cái)經(jīng)大學(xué) 2013
[8]基于VaR歷史模擬法的中國(guó)股市風(fēng)險(xiǎn)研究[D]. 徐中華.復(fù)旦大學(xué) 2008
[9]各類(lèi)VaR方法的比較：基于中國(guó)股市的實(shí)證研究[D]. 史敬.湖南大學(xué) 2005



本文編號(hào)：3114999