金融市场高频/超高频时间序列的分析、建模与应用

发布时间：2021-04-13 22:08

　　金融市场高频/超高频时间序列的分析与建模是金融计量学一个全新的研究领域。高频时间序列通常是指以小时、分钟甚至秒为频率所采集的金融类数据;而超高频时间序列是记录金融市场每笔交易的数据。本论文主要研究了金融市场高频时间序列和超高频时间序列的特性、建模以及应用问题。本文的主要创新工作如下: 1、通过对上证指数和深圳成份指数的高频时间序列的实证研究发现:与低频时间序列不同,金融市场高频时间序列往往具有高的偏度和峰度、具有负的一阶自相关性、具有稳定的“日历效应”现象; 2、利用弹性傅立叶形式回归（FFF）技术对上海股市高频时间序列的“日历效应”进行了定量研究,发现与日本股市不同,上海股市的波动呈现日内单“U”型走势。接着,在弹性傅立叶回归（FFF）的基础上对上海股市冬夏两季的波动水平和模式的异同进行了检验。最后,在使用弹性傅立叶形式（FFF）回归技术对“日历效应”滤波的基础上,对上证综指的高频时间序列建立了长记忆 SV 模型,发现与低频时间序列不同,高频时间序列往往具有低的波动持续性; 3、主要对基于高频时间序列的“已实现”波动进行了深入地研究。针对国际文献中“已实现”波动的计算中测量误差过大的... 

【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校

【文章页数】：131 页

【学位级别】：硕士

【文章目录】：
第一章：绪论
    1.1 论文的研究背景
        1.1.1 时间序列研究的历史
    1.2 问题的提出
        1.2.1 高频时间序列的日内周期特征――“日历效应”研究
        1.2.2 波动率的又一测度方法――“已实现”波动
        1.2.3 超高频时间序列的研究
        1.2.4 非参数方法在高频时间序列研究中的应用
    1.3 本文的选题依据、内容结构和创新
        1.3.1 本文的选题依据
        1.3.2 本文的内容结构
        1.3.3 本文的创新点
    1.4 研究工具、研究方法和数据来源
        1.4.1 研究工具和研究方法
        1.4.2 数据来源
第二章：国内外高频/超高频时间序列研究状况述评
    2.1 高频金融时间序列研究的模型化方法
        2.1.1 问题的起源
        2.1.2 弱GARCH 模型和HARCH 模型
        2.1.3 对模型化方法的评价
    2.2 基于高频金融时间序列的“日历效应”研究
        2.2.1 问题的起源
        2.2.2 “日历效应”的实证
        2.2.3 “日历效应”的理论解释
        2.2.4 对“日历效应”研究的评价
    2.3 高频时间序列的“已实现”波动率
        2.3.1 问题的起源
        2.3.2 “已实现”波动研究综述
        2.3.3 “已实现”波动研究述评
    2.4 超高频时间序列与ACD 模型
        2.4.1 问题的起源
        2.4.2 ACD 模型研究综述
        2.4.3 超高频时间序列研究的述评
    2.5 高频金融时间序列研究中目前存在的问题
    2.6 本章小结
第三章：高频金融时间序列的初步统计
    3.1 本章使用的变量
    3.2 不同频率下时间序列的四个矩的统计特性
        3.2.1 四个矩统计量
        3.2.2 统计分析
    3.3 一阶负相关的检验
        3.3.1 增广迪基－富勒检验
        3.3.2 方差比检验方法
    3.4 高频时间序列“日历效应”的初步研究
    3.5 本章小结
第四章：高频金融时间序列“日历效应”研究
    4.1 高频金融时间序列“日历效应”的估计
        4.1.1 “日历效应”及研究意义
        4.1.2 刻画“日历效应”的方法：弹性傅立叶形式（FFF）回归
        4.1.3 周末效应和重大事件效应的刻画
        4.1.4 “日历效应”估计的实证
    4.2 “日历效应”异同的假设检验
        4.2.1 “日历效应”异同的检验方法
        4.2.2 “日历效应”异同检验的实证
    4.3 高频金融时间序列的长记忆SV模型分析
        4.3.1 利用FFF 回归消除高频时间序列的“日历效应”
        4.3.2 波动长记忆性及其检验
        4.3.3 长记忆SV 模型及其估计
        4.3.4 高频时间序列的长记忆SV 模型实证分析
    4.4 本章小结
第五章：基于高频金融时间序列的“已实现”波动研究
    5.1 调整“已实现”波动率的特性与建模
        5.1.1 “已实现”波动率的理论基础
        5.1.2 测量误差和微观结构误差
        5.1.3 国外成熟市场“已实现”波动的特性
        5.1.4 ARFIMA 模型，预测与估计
        5.1.5 考虑“杠杆”效应的ARFIMAX 模型
        5.1.6 实证分析
    5.2 调整“已实现”波动率与GARCH 及SV 模型的预测能力比较
        5.2.1 积分波动率、“已实现”波动率、调整“已实现”波动率
        5.2.2 GARCH 模型与SV 模型及估计方法
        5.2.3 评价预测能力的标准
        5.2.4 实证研究
    5.3 基于多维高频时间序列的“已实现”协方差阵及建模
        5.3.1 “已实现”协方差阵及其性质
        5.3.2 “已实现”协方差阵的建模
        5.3.3 实证研究
    5.4 本章小结
第六章：超高频金融时间序列的建模及其在市场微观结构研究中的应用
    6.1 超高频时间序列及建模
        6.1.1 超高频时间序列及数据调整
        6.1.2 ACD 模型体系
        6.1.3 UHF-GARCH 模型
    6.2 股市微观结构超高频时间序列分析
        6.2.1 本节的研究内容
        6.2.2 实证分析
    6.3 本章小结
第七章：非参数处理技术在高频金融时间序列研究中的应用
    7.1 高频时间序列“日历效应”的小波神经网路分析
        7.1.1 分析过程
        7.1.2 小波神经网络的训练
        7.1.3 实证分析
    7.2 本章小结
第八章 总结与展望
    8.1 全文工作总结
        8.1.1 “日历效应”的研究
        8.1.2 “已实现”波动研究
        8.1.3 超高频时间序列与市场微观结构
    8.2 高频/超高频金融时间序列的研究展望
参考文献
攻读硕士期间发表论文与参加科研项目情况
致谢


【参考文献】：
期刊论文
[1]具有结构转换的GARCH模型及其在中国股市中的应用[J]. 孙金丽,张世英.  系统工程. 2003(06)
[2]分整增广GARCH-M模型[J]. 柯珂,张世英.  系统工程学报. 2003(01)
[3]金融波动持续性的研究[J]. 樊智,张世英.  预测. 2003(01)
[4]微观结构、市场深度与非对称信息:对上海股市日内流动性模式的一个解释[J]. 杨朝军,孙培源,施东晖.  世界经济. 2002(11)
[5]SV与GARCH模型对金融时间序列刻画能力的比较研究[J]. 余素红,张世英.  系统工程. 2002(05)
[6]微观结构、流动性与买卖价差:一个基于上海股市的经验研究[J]. 孙培源,施东晖.  世界经济. 2002(04)



本文编号：3136093