本文選題：多重分形　切入點(diǎn)：滬深300　出處：《華中科技大學(xué)》2013年碩士論文　論文類型：學(xué)位論文

【摘要】：金融資產(chǎn)收益波動率一直是金融領(lǐng)域的一個研究熱點(diǎn)。風(fēng)險評估和定價作為金融市場的核心都需要對資產(chǎn)收益波動率進(jìn)行有效度量，同時對波動性的辨識效果直接影響到風(fēng)險管理、資產(chǎn)定價、資產(chǎn)配置等領(lǐng)域。。 近期來，隨著計(jì)算機(jī)和通訊技術(shù)的發(fā)展，基于日內(nèi)高頻數(shù)據(jù)的波動率模型開始興起，記為已實(shí)現(xiàn)波動率模型。相對于低頻數(shù)據(jù)，高頻數(shù)據(jù)由于采集時間間隔小，具有更多市場微觀結(jié)構(gòu)信息，高頻數(shù)據(jù)模型能夠大幅度降低測量誤差和噪聲對其真實(shí)波動率的影響。分形市場理論突破了有效市場理論的正態(tài)、獨(dú)立、線性等假定，有效的解釋了許多有效市場理論下的 異�，F(xiàn)象‖。目前，，在國內(nèi)的研究中，還缺乏利用將分形理論和高頻數(shù)據(jù)相結(jié)合來探討中國股市的波動特征的模型。因此，本文試圖利用滬深300高頻數(shù)據(jù)，基于MSM模型研究中國股指的波動性，無疑具有理論和現(xiàn)實(shí)意義。 本文通過R/S分析等多重分形方法證實(shí)了滬深300數(shù)據(jù)存在多重分形特征；在此基礎(chǔ)之上建立了馬爾可夫轉(zhuǎn)換多重分形模型（MSM），通過廣義矩估計(jì)方法估計(jì)其參數(shù)；將其預(yù)測效果與GARCH模型進(jìn)行比較分析，從中發(fā)現(xiàn)其預(yù)測效果要好于GARCH模型。在低頻馬爾可夫機(jī)制轉(zhuǎn)換模型的基礎(chǔ)上，考慮到高頻數(shù)據(jù)的優(yōu)越性，建立已實(shí)現(xiàn)波動率的RV-MSM模型。考慮到高頻數(shù)據(jù)受到市場微觀結(jié)構(gòu)誤差等的影響，本文對高頻波動率進(jìn)行相應(yīng)改進(jìn)，提出了ARV-MSM模型。從預(yù)測結(jié)果中可以發(fā)現(xiàn)，MSM模型預(yù)測效果優(yōu)于GARCH模型；同時高頻MSM模型優(yōu)于低頻MSM模型；改進(jìn)過的已實(shí)現(xiàn)波動率模型，優(yōu)于未改進(jìn)波動率模型。
[Abstract]:As the core of financial market, risk assessment and pricing need to measure the volatility of asset return effectively. At the same time, the identification effect of volatility has a direct impact on risk management, asset pricing, asset allocation and other fields. In recent years, with the development of computer and communication technology, volatility models based on intraday high frequency data have been developed, which are recorded as realized volatility models. With more market microstructure information, high frequency data model can greatly reduce the influence of measurement error and noise on its true volatility. Fractal market theory breaks through the assumptions of efficient market theory, such as normal, independent, linear, etc. At present, in the domestic research, there is a lack of the use of fractal theory and high-frequency data to explore the volatility characteristics of the Chinese stock market model. This paper attempts to use the high frequency data of Shanghai and Shenzhen 300 to study the volatility of Chinese stock index based on MSM model, which is undoubtedly of theoretical and practical significance. In this paper, the existence of multifractal features in CSI 300 data is confirmed by using multifractal method such as R / S analysis, and then the Markov transform multifractal model is established, and its parameters are estimated by generalized moment estimation method. By comparing the prediction effect with the GARCH model, it is found that the prediction effect is better than that of the GARCH model. On the basis of the transformation model of low frequency Markov mechanism, the superiority of high frequency data is considered. The RV-MSM model of realized volatility is established. Considering that the high frequency data is influenced by the market microstructure error, this paper improves the high frequency volatility. The prediction results show that the ARV-MSM model is superior to the GARCH model, the high frequency MSM model is superior to the low frequency MSM model, and the improved realized volatility model is superior to the unimproved volatility model.
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：F224;F832.51

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 朱建平;魏瑾;謝邦昌;;金融高頻數(shù)據(jù)挖掘研究評述與展望[J];經(jīng)濟(jì)學(xué)動態(tài);2011年06期

2 郭興義,杜本峰,何龍燦;(超)高頻數(shù)據(jù)分析與建模[J];統(tǒng)計(jì)研究;2002年11期

3 常寧,徐國祥;金融高頻數(shù)據(jù)分析的現(xiàn)狀與問題研究[J];財經(jīng)研究;2004年03期

4 應(yīng)益榮;包郭平;;金融市場高頻數(shù)據(jù)分析的建模進(jìn)展[J];五邑大學(xué)學(xué)報(自然科學(xué)版);2006年01期

5 包郭平;應(yīng)益榮;;金融市場中高頻數(shù)據(jù)的分析方法[J];五邑大學(xué)學(xué)報(自然科學(xué)版);2007年01期

6 唐振鵬;;金融高頻數(shù)據(jù)和超高頻數(shù)據(jù)的研究現(xiàn)狀及展望[J];福州大學(xué)學(xué)報(哲學(xué)社會科學(xué)版);2008年04期

7 金登貴;中國證券市場高頻數(shù)據(jù)分布特征研究[J];統(tǒng)計(jì)與決策;2005年20期

8 唐勇;張伯新;;基于高頻數(shù)據(jù)的中國股市跳躍特征實(shí)證分析[J];中國管理科學(xué);2013年05期

9 尹優(yōu)平,馬丹;基于分布擬合方法的高頻數(shù)據(jù)風(fēng)險價值研究[J];金融研究;2005年03期

10 補(bǔ)馮林,張衛(wèi)國,何偉;基于超高頻數(shù)據(jù)的股票流動性度量研究[J];統(tǒng)計(jì)與決策;2005年04期

相關(guān)會議論文 前6條

1 郭名媛;;基于高頻數(shù)據(jù)的已實(shí)現(xiàn)極差相關(guān)系數(shù)及實(shí)證研究[A];2012管理創(chuàng)新、智能科技與經(jīng)濟(jì)發(fā)展研討會論文集[C];2012年

2 郭名媛;;基于高頻數(shù)據(jù)的賦權(quán)已實(shí)現(xiàn)極差相關(guān)系數(shù)及其實(shí)證研究[A];社會經(jīng)濟(jì)發(fā)展轉(zhuǎn)型與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第17屆學(xué)術(shù)年會論文集[C];2012年

3 唐勇;;金融市場波動建模:基于高頻數(shù)據(jù)視角[A];社會經(jīng)濟(jì)發(fā)展轉(zhuǎn)型與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第17屆學(xué)術(shù)年會論文集[C];2012年

4 楊懷東;伍娟;盛虎;;基于高頻數(shù)據(jù)的成對交易統(tǒng)計(jì)套利策略實(shí)證研究[A];第五屆（2010）中國管理學(xué)年會——金融分會場論文集[C];2010年

5 張晨;李月環(huán);;基于調(diào)整“已實(shí)現(xiàn)”波動率的滬深300指數(shù)高頻數(shù)據(jù)波動性研究與預(yù)測[A];中國會計(jì)學(xué)會高等工科院校分會2008年學(xué)術(shù)年會（第十五屆年會）暨中央在鄂集團(tuán)企業(yè)財務(wù)管理研討會論文集（上冊）[C];2008年

6 劉淳;朱世武;何濟(jì)舟;;金融市場波動擇時策略的經(jīng)濟(jì)價值分析[A];經(jīng)濟(jì)全球化與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第16屆學(xué)術(shù)年會論文集[C];2010年

相關(guān)重要報紙文章 前5條

1 本報記者 任曉;12月PMI或小幅上行[N];中國證券報;2013年

2 程實(shí);美國金融體系逐漸恢復(fù) 實(shí)體經(jīng)濟(jì)企穩(wěn)[N];中國經(jīng)濟(jì)時報;2009年

3 華泰長城期貨 謝趙維　許惠敏;高庫存料繼續(xù)“重壓”礦價[N];中國證券報;2014年

4 金融學(xué)博士 宏觀經(jīng)濟(jì)分析師 程實(shí);全球經(jīng)濟(jì)隱約徘徊著復(fù)合危機(jī)陰影[N];上海證券報;2011年

5 申銀萬國證券研究所 李慧勇;新興市場保持資金大額流入[N];證券時報;2014年

相關(guān)博士學(xué)位論文 前6條

1 唐勇;基于高頻數(shù)據(jù)的金融市場分析[D];天津大學(xué);2007年

2 鎮(zhèn)磊;基于高頻數(shù)據(jù)處理方法對A股算法交易優(yōu)化決策的量化分析研究[D];中國科學(xué)技術(shù)大學(xué);2010年

3 劉廣應(yīng);帶跳的分?jǐn)?shù)維積分過程的冪變差理論及其在金融高頻數(shù)據(jù)中的應(yīng)用[D];復(fù)旦大學(xué);2011年

4 李勝歌;基于高頻數(shù)據(jù)的金融波動率研究[D];天津大學(xué);2008年

5 王少斌;基于高頻數(shù)據(jù)的投資者交易行為研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2014年

6 王芳;基于市場微觀結(jié)構(gòu)噪聲和跳躍的金融高頻數(shù)據(jù)波動研究[D];西南財經(jīng)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 周智櫓;滬深300股指期貨已實(shí)現(xiàn)波動率的研究[D];中國青年政治學(xué)院;2015年

2 米佳奇;基于高頻數(shù)據(jù)的期貨跨品種套利研究[D];浙江工商大學(xué);2015年

3 李夢瑩;基于高頻數(shù)據(jù)的A股銀行板塊配對交易研究[D];復(fù)旦大學(xué);2014年

4 謝欣欣;基于對限價指令簿信息的研究對高頻金融數(shù)據(jù)進(jìn)行建模[D];上海交通大學(xué);2015年

5 王浩;基于趨勢反轉(zhuǎn)的程序化交易研究[D];上海交通大學(xué);2014年

6 歐陽君宏;金融資產(chǎn)跳躍特性研究[D];福州大學(xué);2014年

7 林欣;基于高頻數(shù)據(jù)的金融資產(chǎn)共同跳躍建模研究[D];福州大學(xué);2014年

8 周明眉;基于Hilbert-Huang變換的高頻數(shù)據(jù)波動率的估計(jì)[D];長春工業(yè)大學(xué);2016年

9 蔡豐澤;基于小波分析的金融高頻數(shù)據(jù)波動率估計(jì)研究[D];長春工業(yè)大學(xué);2016年

10 胡龍;基于RV-MSM模型的滬深300波動分析[D];華中科技大學(xué);2013年

本文編號：1615693