目前,金融高頻數(shù)據(jù)分析在研究交易過程和市場微觀結(jié)構(gòu)中都占據(jù)著重要地位。經(jīng)濟(jì)的全球化、衍生產(chǎn)品的大量出現(xiàn)以及因此導(dǎo)致的金融市場的動(dòng)蕩使得金融機(jī)構(gòu)越來越需要更有效的風(fēng)險(xiǎn)管理方法。而如何精確度量風(fēng)險(xiǎn)是風(fēng)險(xiǎn)管理的關(guān)鍵問題。第一部分針對(duì)金融時(shí)間序列數(shù)據(jù),對(duì)非平穩(wěn)的股票數(shù)據(jù)進(jìn)行二元經(jīng)驗(yàn)?zāi)B(tài)分解（Bivariate Empirical Mode Decomposition,BEMD）,針對(duì)分解得到的殘差序列通過構(gòu)造混合Copula-GARCH模型,擬采用廣義雙曲線分布擬合邊際殘差項(xiàng),得到M-Copula-GARCH-GH模型應(yīng)用于股票數(shù)據(jù)的分析中。利用極大似然兩步估計(jì)法給出估計(jì)過程,并應(yīng)用到所提出的模型估計(jì)中。深入分析其在股票市場中的應(yīng)用,進(jìn)而改善風(fēng)險(xiǎn)度量的精度。以便更好的描述具有復(fù)雜相關(guān)結(jié)構(gòu)的金融市場或變量之間的相關(guān)關(guān)系。第二部分主要針對(duì)高頻數(shù)據(jù)的非平穩(wěn)、非線性的時(shí)序特點(diǎn),采用希爾伯特黃變換（HHT）中的EMD分解方法基于高頻數(shù)據(jù)本身進(jìn)行了自適應(yīng)分解。在每個(gè)分層的數(shù)據(jù)結(jié)果下,分別應(yīng)用Copula函數(shù)建立負(fù)收益和波動(dòng)率的相關(guān)性,即為高頻數(shù)據(jù)分層下的杠桿效應(yīng)研究。本文也試圖基于Copula理論研究杠桿... 

【文章來源】：長春工業(yè)大學(xué)吉林省

【文章頁數(shù)】：66 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

工商銀行、中國平安、中國石油收盤價(jià)的時(shí)序圖

。經(jīng)過預(yù)處理的觀測樣本有3180個(gè)。首先，我們給出了三只股票收盤價(jià)的時(shí)序圖見圖3-1和收益率的時(shí)序圖3.2，并分別針對(duì)三只股票收盤價(jià)原始序列及經(jīng)過對(duì)數(shù)差分的序列進(jìn)行了平穩(wěn)性檢驗(yàn)，平穩(wěn)性檢驗(yàn)常見的有幾種方法，我們這里應(yīng)用了ADF檢驗(yàn)，得到中國石油收盤價(jià)和收益率的ADF檢驗(yàn)對(duì)應(yīng)的P值分別為0.6282和0.7049；中國平安收盤價(jià)和收益率的ADF檢驗(yàn)對(duì)應(yīng)的P值分別為0.841和0.9036；工商銀行收盤價(jià)和收益率的ADF檢驗(yàn)對(duì)應(yīng)的P值分別為0.6175和0.7087。六個(gè)P值都說明其各自金融時(shí)間序列具有很嚴(yán)重的非平穩(wěn)性，因此直接應(yīng)用時(shí)間序列的一般性模型很難很好的擬合三支股票數(shù)據(jù)。圖3.1 工商銀行、中國平安、中國石油收盤價(jià)的時(shí)序圖

圖 4.1 股指期貨主力合約收盤價(jià)時(shí)序圖(依次為 5 分鐘、15 分鐘、30 分鐘)圖 4.2 滬深 300 收盤價(jià)時(shí)序圖(依次為 5 分鐘、15 分鐘、30 分鐘)

【參考文獻(xiàn)】：
期刊論文
[1]中國股票市場的時(shí)變杠桿效應(yīng)研究——基于隨機(jī)Copula模型的實(shí)證分析[J]. 吳鑫育,任森春,馬超群,汪壽陽.  管理科學(xué)學(xué)報(bào). 2017(09)
[2]基于混合Copula-GARCH模型的黃金與股票的相關(guān)性分析[J]. 杜方欣,張德生.  現(xiàn)代經(jīng)濟(jì)信息. 2013(24)
[3]基于BEMD圖像特征點(diǎn)的圖像壓縮方法[J]. 高鳳嬌,何艷,田曉英,費(fèi)磊.  自動(dòng)化技術(shù)與應(yīng)用. 2012(08)
[4]高頻數(shù)據(jù)波動(dòng)率建�！诤裎卜植嫉腞ealized GARCH模型[J]. 王天一,黃卓.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2012(05)
[5]股指期貨推出對(duì)中國股票市場波動(dòng)性的影響研究——基于滬深300股指期貨高頻數(shù)據(jù)的實(shí)證分析[J]. 張孝巖,沈中華.  投資研究. 2011(10)
[6]基于極值理論和Copula函數(shù)的條件VaR計(jì)算[J]. 傅強(qiáng),邢琳琳.  系統(tǒng)工程學(xué)報(bào). 2009(05)
[7]基于高頻數(shù)據(jù)的滬深股票市場的相關(guān)性研究[J]. 郭名媛,張世英.  系統(tǒng)工程學(xué)報(bào). 2009(03)
[8]長記憶隨機(jī)波動(dòng)模型的估計(jì)與波動(dòng)率預(yù)測——基于中國股市高頻數(shù)據(jù)的研究[J]. 王春峰,莊泓剛,房振明,盧濤.  系統(tǒng)工程. 2008(07)
[9]多元Copula-GARCH模型及其在金融風(fēng)險(xiǎn)分析上的應(yīng)用[J]. 韋艷華,張世英.  數(shù)理統(tǒng)計(jì)與管理. 2007(03)
[10]高頻數(shù)據(jù)的加權(quán)已實(shí)現(xiàn)極差波動(dòng)及其實(shí)證分析[J]. 唐勇,張世英.  系統(tǒng)工程. 2006(08)



本文編號(hào)：3528918