基于状态转移的股指期货波动时变组合预测研究

发布时间：2022-02-15 17:33

　　沪深300股指期货的正式挂牌上市，是我国资本市场发展的重要里程碑。它的推出进一步完善了我国的资本市场结构，并提供了全面的避险工具，同时也大大增加了我国资本市场的流动性和有效性。但是，由于沪深300股指期货采用的是保证金交易、逐日盯市以及强行平（减）仓制度，期货价格的波动会造成投资者获利或损失的成倍放大，同时剧烈而频繁的价格波动也会影响国民经济的健康发展，甚至可能诱发经济衰退。因此对股指期货收益率波动的特征及对波动行为进行刻画、模拟和预测显得尤为重要。目前，用于刻画和描述股市波动的单一模型主要有三类，即指数平滑类模型、GARCH（generalized autoregressive conditional heteroskedasticity model, GARCH）类模型和SV（stochastic volatility ,SV）类模型。但是，各单一波动模型对股市波动进行刻画存在一定的局限性。比如，指数平滑类模型假设收益率的波动为常数波动，按照遍历性用收益率序列有历史波动作为未来时点上的收益率波动的无偏估计，然而，现实中收效率序列的波动为时变波动，此时收益序列在各个时点上的分布是不一... 

【文章来源】：重庆师范大学重庆市

【文章页数】：55 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景和意义
    1.2 股指期货波动预测研究必要性及综述
        1.2.1 股指期货波动预测研究的必要性
        1.2.2 股指期货波动预测研究综述
    1.3 本文所做主要工作
    1.4 本文的创新之处
2 股指期货及波动基本理论
    2.1 股指期货的介绍
        2.1.1 股指期货的发展背景
        2.1.2 股指期货的市场功能
        2.1.3 股指期货的风险分析
    2.2 我国股指期货发展现状
    2.3 股指期货价格波动概念及特征
        2.3.1 股指期货价格波动的概念
        2.3.2 股指期货波动的效应分析
        2.3.3 股指期货波动的特征
3 描述股指期货波动的基本模型
    3.1 指数平滑类模型
        3.1.1 单指数平滑法
        3.1.2 二次曲线指数平滑法
        3.1.3 季节指数平滑法
        3.1.4 模型评价
    3.2 GARCH 类模型
        3.2.1 ARMA 模型
        3.2.2 ARCH 模型
        3.2.3 GARCH 模型
        3.2.4 模型的评价
    3.3 SV 模型
        3.3.1 SV 模型形式
        3.3.2 SV 模型的MCMC 方法分析
        3.3.3 模型评价
4 基于状态转移的时变组合预测方法
    4.1 时不变组合预测方法
    4.2 时变组合预测方法
    4.3 基于状态转移的时变权重组合预测方法
    4.4 模型参数估计
5 应用研究—以沪深300 股指期货波动预测为例
    5.1 数据的选取及基本思路
        5.1.1 数据的选取与描述
        5.1.2 应用研究的基本思路
    5.2 单项预测模型对沪深300 股指期货波动的预测
        5.2.1 GARCH 模型
        5.2.2 SV 模型
        5.2.3 线性回归模型
    5.3 基于状态转移的时变组合预测模型
    5.4 预测能力比较及应用结果分析
6 结论与展望
    6.1 结论
    6.2 不足之处及进一步研究的方向
参考文献
附：读研期间科研成果
致谢


【参考文献】：
期刊论文
[1]金融实证分析中应注意样本容量的确定[J]. 赵华.  统计教育. 2009(02)
[2]支持向量机在股市预测中的应用[J]. 阎纲.  科学技术与工程. 2008(02)
[3]基于Elman网络的股价预测模型及在浦发银行股票预测中的应用[J]. 杨君岐,孙少乾,乐甲.  陕西科技大学学报. 2007(06)
[4]中国大豆进口的预测与分析[J]. 杨军,刘斌,尚曼龙.  系统工程理论与实践. 2006(06)
[5]实际波动率与GARCH模型的特征比较分析[J]. 于亦文.  管理工程学报. 2006(02)
[6]L egender神经网络建模及股票预测[J]. 邹阿金,罗移祥.  计算机仿真. 2005(11)
[7]灰色Verhulst动态新陈代谢模型在产品价格预测与需求预测中的应用[J]. 曹萃文,顾幸生.  信息与控制. 2005(04)
[8]TIME SERIES FORECASTING WITH MULTIPLE CANDIDATE MODELS:SELECTING OR COMBINING?[J]. K.K.Lai,Y.Nakamori.  Journal of Systems Science and Complexity. 2005(01)
[9]基于GARCH模型和SV模型的VaR比较[J]. 余素红,张世英,宋军.  管理科学学报. 2004(05)
[10]基于SV模型的深圳股市波动的预测[J]. 刘凤芹,吴喜之.  山西财经大学学报. 2004(04)

硕士论文
[1]我国股票价格的组合预测[D]. 丁咏梅.华中科技大学 2005
[2]电力系统负荷预测技术与应用的研究[D]. 林崧.中南大学 2002



本文编号：3627041