金融市场波动跳跃、跳跃相依与跳跃风险:基于股指高频数据的研究

发布时间：2018-01-06 18:41

  本文关键词：金融市场波动跳跃、跳跃相依与跳跃风险:基于股指高频数据的研究　出处：《统计与信息论坛》2017年11期 　论文类型：期刊论文

  更多相关文章： 已实现波动率 双幂次变差 跳跃风险 RV-regular vine copula模型

【摘要】：运用股指高频数据,首先构建基于一般已实现波动率与双幂次变差的RV-regular vine copula模型,比较分析两个模型在刻画资本市场之间的波动跳跃结构的差异;然后,考虑股票价格存在跳跃的情形,分析离散跳跃的统计特征,研究资本市场之间跳跃相依结构,并通过模拟计算市场在险价值来探讨市场之间的跳跃相依风险。研究发现:由于跳跃的存在,采用双幂次变差所构建的RV-regular vine copula模型在参数估计结果方面表现更佳;跳跃序列存在尖峰厚尾的特征以及跳跃聚集的现象,而跳跃相依风险可以通过构建合适的资产组合来降低。
[Abstract]:Based on the high frequency data of stock index, the RV-regular vine copula model based on the general realized volatility and the dipotent variation is constructed. Compare and analyze the differences between the two models in describing the volatility jump structure between the capital markets; Then, considering the jump of stock price, the statistical characteristics of discrete jump are analyzed, and the structure of jump dependence between capital markets is studied. And through the simulation of the value of the market in the risk to explore the risk of jumping between the market. The study found: because of the existence of jump. The RV-regular vine copula model based on the double power variation is better in parameter estimation. The jump sequence has the characteristics of peak and thick tail and the phenomenon of jump aggregation. The jump dependent risk can be reduced by constructing the appropriate portfolio.
【作者单位】： 安徽工业大学商学院;安徽工业大学安徽创新驱动发展研究院;
【基金】：教育部人文社会科学研究青年基金项目《带跳跃的碳排放交易市场状态相依结构:基于高频数据的研究》(16YJC790030) 安徽省自然科学基金项目《基于高频数据的资本市场跳跃相依与极值风险模型构建及实证研究》(1708085QG163)
【分类号】：F224;F831.51
【正文快照】： 一、引言随着经济金融一体化的深入发展,金融资产价格之间存在复杂的相依性,由此产生的金融市场风险也随之传递,尤其是在极端条件下。同时,外部因素的冲击促使金融资产价格发生跳跃,并呈现出不同程度的记忆特征。于是,金融资产价格之间可能出现跳跃自激发特征和联跳,即跳跃可

【相似文献】

相关期刊论文 前10条

1 陈高才;;高频数据在会计实证研究中的应用和展望[J];财会研究;2011年05期

2 朱建平;魏瑾;谢邦昌;;金融高频数据挖掘研究评述与展望[J];经济学动态;2011年06期

3 郭兴义,杜本峰,何龙灿;(超)高频数据分析与建模[J];统计研究;2002年11期

4 应益荣;包郭平;;金融市场高频数据分析的建模进展[J];五邑大学学报(自然科学版);2006年01期

5 包郭平;应益荣;;金融市场中高频数据的分析方法[J];五邑大学学报(自然科学版);2007年01期

6 唐勇;张伯新;;基于高频数据的中国股市跳跃特征实证分析[J];中国管理科学;2013年05期

7 魏莉娅;马永开;;基于高频数据的深圳基金市场日内周期性研究[J];当代经济管理;2007年01期

8 刘建华;;基于高频数据的中国股市量价日内特征分析[J];经济师;2007年10期

9 赵巍;何建敏;;基于股市高频数据的半参数估计方法[J];数理统计与管理;2007年01期

10 胡绍波;;已实现极差系统风险及其在中国股市的应用[J];中国商界(下半月);2010年09期

相关会议论文 前10条

1 郭名媛;;基于高频数据的已实现极差相关系数及实证研究[A];2012管理创新、智能科技与经济发展研讨会论文集[C];2012年

2 杨怀东;伍娟;盛虎;;基于高频数据的成对交易统计套利策略实证研究[A];第五届（2010）中国管理学年会——金融分会场论文集[C];2010年

3 应益荣;王颖;;The Inner Product Type Method of Generating Copula and Its Applications[A];第三届中国智能计算大会论文集[C];2009年

4 叶萍华;唐湘晋;;基于Copula方法的股票相关性分析[A];第十届中国青年信息与管理学者大会论文集[C];2008年

5 王宗润;吴伟韬;;基于Copula-EVT模型的人民币汇率组合风险测度[A];第三届（2008）中国管理学年会——技术与创新管理分会场论文集[C];2008年

6 许启发;刘少杰;;基于Copula技术的动态组合投资选择新方法[A];第四届（2009）中国管理学年会——金融分会场论文集[C];2009年

7 杜红军;王宗军;;基于时变Copula模型的金融市场风险度量与分配[A];第八届（2013）中国管理学年会——金融分会场论文集[C];2013年

8 张晨;李月环;;基于调整“已实现”波动率的沪深300指数高频数据波动性研究与预测[A];中国会计学会高等工科院校分会2008年学术年会（第十五届年会）暨中央在鄂集团企业财务管理研讨会论文集（上册）[C];2008年

9 徐运保;陈奕播;;基于Copula函数的股市、房市与GDP相关性的实证分析[A];第三届（2008）中国管理学年会——技术与创新管理分会场论文集[C];2008年

10 郭立甫;高铁梅;姚坚;;基于Copula函数和极值理论的金融传染度量——测度美国次贷危机对重要经济体的传染效应[A];21世纪数量经济学（第13卷）[C];2012年

相关重要报纸文章 前1条

1 广发期货投资研究部 杨威 王翔 谢贞联;多维Copula树及其在机构投资组合风险管理中的运用[N];期货日报;2008年

相关博士学位论文 前10条

1 马锋;高频数据视角下非参数波动率建模、预测及其评价研究[D];西南交通大学;2016年

2 唐勇;基于高频数据的金融市场分析[D];天津大学;2007年

3 镇磊;基于高频数据处理方法对A股算法交易优化决策的量化分析研究[D];中国科学技术大学;2010年

4 刘广应;带跳的分数维积分过程的幂变差理论及其在金融高频数据中的应用[D];复旦大学;2011年

5 李胜歌;基于高频数据的金融波动率研究[D];天津大学;2008年

6 王少斌;基于高频数据的投资者交易行为研究[D];首都经济贸易大学;2014年

7 王芳;基于市场微观结构噪声和跳跃的金融高频数据波动研究[D];西南财经大学;2011年

8 卢英;基于连接函数模型的金融风险测度研究[D];天津财经大学;2015年

9 张帮正;基于Vine Copula的我国金融市场投资组合选择及风险预测研究[D];西南交通大学;2015年

10 张卓群;半参数C-Vine Copula模型理论及其金融风险结构测度研究[D];天津财经大学;2016年

相关硕士学位论文 前10条

1 李梦莹;基于高频数据的A股银行板块配对交易研究[D];复旦大学;2014年

2 谢欣欣;基于对限价指令簿信息的研究对高频金融数据进行建模[D];上海交通大学;2015年

3 王浩;基于趋势反转的程序化交易研究[D];上海交通大学;2014年

4 周明眉;基于Hilbert-Huang变换的高频数据波动率的估计[D];长春工业大学;2016年

5 蔡丰泽;基于小波分析的金融高频数据波动率估计研究[D];长春工业大学;2016年

6 胡龙;基于RV-MSM模型的沪深300波动分析[D];华中科技大学;2013年

7 郭哲琦;基于高频数据的统计套利策略分析及实证研究[D];山东大学;2016年

8 韦建峰;深A股票交易高频数据的统计方法研究[D];云南大学;2016年

9 廖春芳;基于MCMC算法的金融高频数据贝叶斯分析[D];华南农业大学;2016年

10 王颖;噪音环境下跳跃的波动测度研究[D];天津大学;2014年

，

本文编号：1389039