本文選題：長記憶性 + 高頻數(shù)據(jù)　； 參考：《西北農(nóng)林科技大學(xué)》2013年碩士論文

【摘要】：近半個世紀以來，中國的經(jīng)濟形式呈現(xiàn)出了前所未有的發(fā)展勢態(tài)，尤其值得關(guān)注的是自2001年中國正式成為WTO成員國以來，面對復(fù)雜多變的世界經(jīng)濟形勢，中國的經(jīng)濟將不可避免的受到來自外界環(huán)境的各種挑戰(zhàn)，而作為經(jīng)濟發(fā)展命脈的金融市場的發(fā)展已經(jīng)成為經(jīng)濟領(lǐng)域的研究者和管理者關(guān)注的焦點。在金融領(lǐng)域里關(guān)于各種金融資產(chǎn)價格波動的研究一直是眾多經(jīng)濟研究者關(guān)注的焦點之一，特別是計算機技術(shù)的迅猛發(fā)展，極大地方便了各種金融數(shù)據(jù)的獲取和存儲，使得高頻甚至超高頻數(shù)據(jù)的獲取和存儲成為了現(xiàn)實。經(jīng)典的波動率模型主要是以頻率較低的數(shù)據(jù)如日、星期、月為建模研究的對象，不僅數(shù)據(jù)量小，而且獲取周期比較長，而利用金融高頻數(shù)據(jù)進行建模研究，就可以在很短的時間段內(nèi)獲得大量的數(shù)據(jù)，大大的縮短了數(shù)據(jù)的獲取周期，從而也就節(jié)省了大量時間。和低頻數(shù)據(jù)相比較，高頻數(shù)據(jù)則體現(xiàn)出更加豐富的價格變動過程中的信息和長期日間現(xiàn)象的信息，這將大大有利于市場中某些微觀結(jié)構(gòu)理論的研究。所以，與傳統(tǒng)的建立在低頻數(shù)據(jù)基礎(chǔ)上的波動率建模研究的不同，本文主要是在上證5間隔的高頻數(shù)據(jù)的基礎(chǔ)上研究波動率及其長記憶性。自從Engle（1951）發(fā)現(xiàn)時間序列的長記憶性這一性質(zhì)以來，對長記憶這一性質(zhì)的建模和分析正日益受到金融界的廣泛關(guān)注，因為長記憶性就意味著現(xiàn)在的狀態(tài)將持續(xù)影響將來，這對于金融風(fēng)險管理有著不可忽視的作用。本文研究了兩個非常重要的長記憶時間序列模型：分數(shù)差分噪聲（FDN）模型和分整自回歸移動平均ARFIMA模型，還對已實現(xiàn)波動率的ARFIMA-RV模型進行了研究。 自從已實現(xiàn)波動率被提出后，張世英等學(xué)者對其進行了擴展和改進，得到了賦權(quán)已實現(xiàn)波動率，查閱大量文獻資料，發(fā)現(xiàn)目前對于賦權(quán)已實現(xiàn)波動率的建模研究鮮有涉及，盡管眾多學(xué)者認為ARFIMA模型已經(jīng)能夠很好的預(yù)測波動率，但是如何把賦權(quán)已實現(xiàn)波動率和ARFIMA有效的結(jié)合起來，從而建議一個符合高頻數(shù)據(jù)自身性質(zhì)同時也可以用來估計市場波動率的模型是目前關(guān)于波動率建模中一個比較新的研究方向和難點，本文所做的研究就是在這一問題背景下展開的。通過實證分析，得出了賦權(quán)已實現(xiàn)波動率存在長記憶性，并且對賦權(quán)已實現(xiàn)波動率取對數(shù)后，得到的序列表現(xiàn)出了非常明顯的正態(tài)性的特征，，基于此特點和其長記憶性建立了對數(shù)賦權(quán)已實現(xiàn)波動率的分整自回歸移動平均模型（ARFIMA-ARIMA-lnWRV），通過參數(shù)估計確定了模型中各參數(shù)的值，同時對結(jié)果進行了檢驗，證實了模型的良好性，最后介紹了VaR模型的發(fā)展及應(yīng)用，并研究了賦權(quán)已實現(xiàn)波動率在風(fēng)險價值度量VaR中的應(yīng)用。
[Abstract]:In the past half century, China's economic form has taken on an unprecedented development, especially since China became a member of the WTO in 2001, facing the complex and changeable world economic situation. China's economy will inevitably be challenged by the external environment, and the development of the financial market, which is the lifeblood of economic development, has become the focus of attention of researchers and managers in the economic field. In the field of finance, the research on the fluctuation of the price of various kinds of financial assets has been one of the focuses of many economic researchers, especially the rapid development of computer technology, which greatly facilitates the acquisition and storage of all kinds of financial data. It makes the acquisition and storage of high frequency and even ultra high frequency data become a reality. The classical volatility model is mainly based on low-frequency data such as day, week and month. It not only has a small amount of data, but also has a long acquisition period. It can obtain a lot of data in a very short period of time, greatly shorten the period of data acquisition, and thus save a lot of time. Compared with the low-frequency data, the high-frequency data reflect more abundant information in the process of price change and the information of long-term daytime phenomenon, which will greatly benefit the study of some microstructural theories in the market. Therefore, unlike the traditional research on volatility modeling based on low frequency data, this paper mainly studies volatility and its long memory on the basis of high frequency data of 5 interval in Shanghai Stock Exchange. Since Engle discovered the property of long memory in time series, the modeling and analysis of long memory has attracted more and more attention in the financial world, because long memory means that the present state will continue to affect the future. This for financial risk management has a role that can not be ignored. In this paper, two very important long memory time series models: fractional differential noise (FDN) model and fractional autoregressive moving average (ARFIMA) model are studied. The ARFIMA-RV model of realized volatility is also studied. Since the realization of volatility has been put forward, Zhang Shiying and other scholars have extended and improved it, obtained weighted realized volatility, consulted a lot of literature, found that the modeling of weighted realized volatility is rarely involved. Although many scholars think that ARFIMA model has been able to predict volatility, but how to effectively combine weighted realized volatility with ARFIMA. Therefore, it is suggested that a model which can also be used to estimate market volatility in accordance with the nature of high frequency data is a relatively new research direction and difficulty in volatility modeling. The research done in this paper is carried out under the background of this problem. Through the empirical analysis, it is concluded that the weighted realized volatility has long memory, and the logarithm of the weighted realized volatility shows the characteristic of normality. Based on this characteristic and its long memory property, an ARFIMA-ARIMA-lnWRVV model of integral autoregressive moving average (ARFIMA-ARIMA-lnWRVV) with logarithmic weighting of realized volatility is established. The values of each parameter in the model are determined by parameter estimation, and the results are verified and the model is proved to be good. Finally, the development and application of VaR model are introduced, and the application of weighted realized volatility in VaR is studied.
【學(xué)位授予單位】：西北農(nóng)林科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：F224;F832.5

【相似文獻】

相關(guān)期刊論文 前10條

1 王文靜;馬軍海;;基于灰色經(jīng)濟計量模型的我國股市波動率實證研究[J];統(tǒng)計與決策;2009年18期

2 趙偉雄;崔海蓉;何建敏;;GARCH類模型波動率預(yù)測效果評價——以滬銅期貨為例[J];西安電子科技大學(xué)學(xué)報(社會科學(xué)版);2010年04期

3 崔海蓉;何建敏;;我國期貨市場成交量和持倉量與價格波動關(guān)系研究[J];統(tǒng)計與決策;2010年06期

4 羅羨華,李元;股票波動率的高頻率數(shù)據(jù)估計及實證分析[J];廣州大學(xué)學(xué)報(自然科學(xué)版);2003年04期

5 井百祥;孫伶俐;;認股權(quán)證定價實證研究[J];河南理工大學(xué)學(xué)報(社會科學(xué)版);2006年02期

6 潘紅宇;;匯率風(fēng)險如何影響中國對日本的出口[J];國際貿(mào)易問題;2006年07期

7 陳超;鄒捷中;;基于跳躍波動率的未定權(quán)益定價模型[J];數(shù)學(xué)的實踐與認識;2006年12期

8 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

9 黃秀海;;滬深股指差額非對稱的CARCH效應(yīng)分析[J];統(tǒng)計與信息論壇;2007年04期

10 陳浪南;洪如明;;基于已知信息的波動率修正杠桿效應(yīng)研究[J];經(jīng)濟研究;2007年11期

相關(guān)會議論文 前10條

1 王一鳴;趙華;;我國滬深300指數(shù)波動率結(jié)構(gòu)突變的檢驗[A];數(shù)學(xué)·力學(xué)·物理學(xué)·高新技術(shù)交叉研究進展——2010（13）卷[C];2010年

2 梁霞;梁循;;互聯(lián)網(wǎng)金融文本信息關(guān)鍵詞形態(tài)挖掘[A];第六屆全國信息檢索學(xué)術(shù)會議論文集[C];2010年

3 吳恒煜;朱福敏;;中國股票市場資產(chǎn)收益的非對稱無窮純跳躍行為研究[A];第六屆（2011）中國管理學(xué)年會——金融分會場論文集[C];2011年

4 應(yīng)益榮;寇博;;平均累積波動率對風(fēng)險溢價影響的研究[A];第四屆中國智能計算大會論文集[C];2010年

5 吳鍇;;現(xiàn)金流波動、盈利穩(wěn)定性與公司價值:基于滬深股市的實證研究[A];第六屆（2011）中國管理學(xué)年會——會計與財務(wù)分會場論文集[C];2011年

6 肖慶憲;;變系數(shù)Black-Scholes模型的統(tǒng)計推斷[A];發(fā)展的信息技術(shù)對管理的挑戰(zhàn)——99’管理科學(xué)學(xué)術(shù)會議專輯（下）[C];1999年

7 宋福鐵;;上市公司股價收益與股權(quán)收益的風(fēng)險關(guān)系研究[A];第四屆（2009）中國管理學(xué)年會——金融分會場論文集[C];2009年

8 徐鈞;;股權(quán)分置制度變革:基于維納隨機過程理論的分析[A];中國制度經(jīng)濟學(xué)年會論文集[C];2006年

9 王超;李楠;李欣麗;梁循;;文本傾向性分析用于金融市場波動率與金融信息相互關(guān)系的研究[A];第四屆全國學(xué)生計算語言學(xué)研討會會議論文集[C];2008年

10 劉淳;朱世武;何濟舟;;金融市場波動擇時策略的經(jīng)濟價值分析[A];經(jīng)濟全球化與系統(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10條

1 深100指數(shù)基金經(jīng)理林飛;指數(shù)的波動[N];證券時報;2006年

2 Neil O Hara 長江期貨 鐘哨鋒/編譯;統(tǒng)計套利交易者:波動率商人[N];期貨日報;2009年

3 龔小磊;建信優(yōu)選成長不參與“差公司好股票”游戲[N];中國證券報;2007年

4 東東;人民幣走勢打下“美元減息”印記？[N];上海證券報;2007年

5 戴德舜;海富通基金研究總監(jiān)戴德舜： 影響投資的七大猜想[N];第一財經(jīng)日報;2010年

6 興業(yè)證券 蔡艷菲邋陳th;套期保值前 注意現(xiàn)貨資產(chǎn)結(jié)構(gòu)[N];期貨日報;2008年

7 華泰長城期貨 高

本文編號：1840463