深圳股票市场（超）高频数据分析

发布时间：2020-10-26 18:37

　　 近年来,计算工具与计算方法的发展,极大地降低了数据记录和存储的成本,使得对大规模数据库的分析成为可能,金融高频数据的研究也就应运而生。金融高频数据的研究是计量经济学一个全新的领域,它对理解市场的微观结构来说相当重要,不仅转变了一些陈旧的研究理念,而且也对先前一些古典经济假定提出了质疑。其特征虽然为认识市场微观结构提供了更为详细的信息,但也给相关的实证研究带来了前所未有的问题。 本文第一章对当前学术界运用高频数据对股票市场进行分析与建模的状况进行了概括叙述,分析了高频数据分析的基本动因与实证研究中遇到的主要问题,研究了进行高频数据分析的实际意义。第二章对国内外研究现状进行了介绍,为下文的应用研究打下了基础。 在应用研究方面,本文在第三章中首先对深圳股票市场高频数据的形态进行了分析并与国际股票市场现有论文的研究成果进行了比较,分析了中国股票市场的独特之处与产生的原因,对深圳股票市场的季节性效应,特别是周内效应进行了探讨与实证研究。第四章集中介绍了目前高频数据研究领域比较常见的几种ARCH族波动模型,如GARCH,IGARCH,EGARCH,GARCH-M等,又对超高频数据研究的ACD模型及其扩展而来的LOG-ACD,TACD,FIACD等模型进行了介绍,并在接下来的第五章中根据中国股市的实际情况选用不同模型对我国深圳证券交易所综合指数高频数据进行了实证分析。主要运用的模型有AR-GARCH模型、GARCH-M模型、EGARCH模型等,估计结果都比较令人满意。
【学位单位】：天津大学
【学位级别】：硕士
【学位年份】：2005
【中图分类】：F832.5
【文章目录】：
第一章 绪论
    1.1 论文研究的背景和问题的提出
    1.2 研究路线与研究成果
第二章 国内外研究现状
    2.1 计量经济学研究的最新进展
    2.2 金融高频数据分析已涉及的主要领域
    2.3 超高频数据分析
第三章 股票市场周内效应分析
    3.1 理论介绍及研究现状
    3.2 深圳股市周内效应实证研究
第四章 高频数据建模
    4.1 ARCH 族波动模型
    4.2 ACD 模型
第五章 高频数据建模实证分析
    5.1 准备工作
    5.2 运用AR-GARCH 模型进行实证分析
    5.3 运用GARCH-M 模型对深市进行实证分析
    5.4 运用EGARCH 模型对深市进行实证分析
    5.5 结论
结束语
参考文献
发表论文和科研情况说明
致谢

【相似文献】

相关期刊论文 前10条

1 徐一芳;;金融危机对沪深股市收益率的影响分析——基于周内效应的比较[J];企业导报;2011年12期

2 方杰;;中国证券市场周内效应的实证检验[J];福建商业高等专科学校学报;2011年03期

3 ;[J];;年期

4 ;[J];;年期

5 ;[J];;年期

6 ;[J];;年期

7 ;[J];;年期

8 ;[J];;年期

9 ;[J];;年期

10 ;[J];;年期

相关博士学位论文 前5条

1 程力耘;中国股市“周内效应”的时变性及其形成机制研究[D];复旦大学;2011年

2 陈晖;利率期限结构的最优估计及其应用研究[D];湖南大学;2006年

3 鲁小东;中国商品期货市场流动性风险度量实证研究[D];中南大学;2009年

4 傅东升;我国封闭式基金波动的实证研究[D];复旦大学;2007年

5 李竹薇;中国证券投资者结构和行为实证研究[D];东北财经大学;2011年

相关硕士学位论文 前10条

1 于静;深圳股票市场（超）高频数据分析[D];天津大学;2005年

2 朱衍续;中国股票市场的“周内效应”研究[D];东北大学;2008年

3 张晓峰;我国沪深300指数期货周内效应及策略研究[D];山西财经大学;2012年

4 代文强;证券市场“周内效应”统计研究[D];西南石油学院;2003年

5 万猛;基于GARCH-t-M模型的中国股市周内效应实证研究[D];海南大学;2011年

6 解如如;中国股票市场“周内效应”实证研究[D];厦门大学;2008年

7 陈雄兵;沪深股市“周内效应”的实证分析[D];华中科技大学;2005年

8 缪乐山;中国股票市场周内效应研究[D];厦门大学;2009年

9 朱勇生;基于平行数据的金融波动模型研究[D];天津大学;2004年

10 宋阳;我国权证市场周内效应研究[D];东北财经大学;2007年

本文编号：2857367