基于RV的LMSV模型在中国股市中的实证研究

发布时间：2018-01-06 20:03

  本文关键词：基于RV的LMSV模型在中国股市中的实证研究　出处：《中国管理科学》2014年S1期 　论文类型：期刊论文

  更多相关文章： 金融高频时间序列 已实现波动率 LMSV 长记忆性

【摘要】：本文研究了金融高频时间序列的长记忆特征,介绍了已实现波动率、长记忆随机波动模型以及参数估计方法。由于长记忆随机波动模型(Long Memory Stochastic Volatility Model,LMSV)模型中参数较多,常用的参数估计方法不能解决参数估计问题,故采用半参数估计方法——Local Whittle估计。通过上海证券交易所上证综指2000年一2008年每五分钟的数据,选择ADF单位根检验验证了金融高频时间序列的平稳性,自相关图、重标极差法、对数周期图法验证了长记忆性,利用LMSV模型对中国股市的长记忆特征进行了参数估计,与广泛使用的自回归分整移动平均模型(Auto—Regressive Fractional Integrated Moving Average,ARFIMA)进行了对比,得到的长记忆参数d的估计结果均符合长记忆性的定义,发现LMSV模型在实际应用中的有效性。
[Abstract]:In this paper , the long memory characteristics of financial high frequency time series are studied , and the fluctuation rate , long memory random fluctuation model and parameter estimation method are introduced .

【作者单位】： 中国人民大学信息学院经济信息管理系;中科院科技政策与管理科学研究所;
【分类号】：F830.9
【正文快照】： 自20世纪90年代以来,随着计算机科技的不断发展,针对各种高频数据的记录、获取、存储和处理的时间和金钱成本都有了大幅下降,从而使得高频数据(尤其是金融高频数据)逐步走进了人们的研究视野。与普通的低频数据相比,高频数据能够表现出丰富的统计特征,保留数据本身的特性,可以，

本文编号：1389312