基于积累线性模型的证券市场流动性度量模型

发布时间：2020-10-12 02:26

　　 在金融市场不断发展、金融创新工具层出不穷的今天，实务操作界对金融理论的精确性要求越来越高，传统金融理论中忽视流动性所造成的误差问题也日益突出。在此背景下，流动性及相关课题的研究己成为金融研究领域的一个热点。 流动性的定量研究中，流动性度量模型是核心的内容之一，也是本文的主要研究对象之一。本文系统地总结了国际学术界金融市场流动性研究的历程与近况，讨论了常见的各种流动性度量指标模型的优势与不足，结论认为，相比之下，价量模型中的GH模型是一类较好的流动性度量模型。但它缺陷也同样明显：忽略了证券价格变动的离散性，得到的价量关系是简单的线性形式。因此，本文将常用于处理分类属性变量的积累线性模型方法引入到流动性度量模型中，建立了一个基于积累线性模型的修正的GH流动性度量模型，基于该模型，可以得到一系列良好的流动性指标，并在其后的流动性风险评价中有较好的应用。 本文还集中地研究了各种常见流动性指标的统计规律。从大量搜索到的文献中，笔者尚未发现对各类指标统计特征的较集中的实证研究，本文的研究填补了这一空白。实证结果发现，在运用不同的指标度量流动性时，可能会得到不同、甚至截然相反的结果!本文尝试着对这些现象进行了解释。这一发现提醒人们在流动性的定量研究时，需要谨慎地选择流动性指标，做出结论时也要甚重。 优秀的流动性模型不但能用于评价市场效率的高低，而且能应用到实际的投资实务中。本文还将建立的流动性度量模型能用于度量单笔交易的流动性修正VaR，对大型的风险对冲投资机构或套期保值机构而言，该模型具有直接和有效的指导意义。 本文的创新主要有几个方面：(1)将积累线性模型应用到流动性度量建模中；(2)总结得出了适合本文的拟合优度检验方法，并对序次Logistic回归和序次Probit回归的选择标准做出分析；(3)给出了各种常见流动性指标统计规律的实证研究，发现了与直观经验不符的现象；(4)将流动性度量模型应用到流动性修正VaR理论中，对金融机构的实际操作具有一定的参考意义。
【学位单位】：中国科学技术大学
【学位级别】：博士
【学位年份】：2006
【中图分类】：F830.91;F224
【文章目录】：
摘要
ABSTRACT
目录
第一章 金融市场流动性文献回顾
    1.1 引言
    1.2 市场流动性的定义
    1.3 流动性与金融市场微观结构理论
    1.4 国际学术界市场流动性的研究热点
    1.5 中国学术界市场流动性研究的近况
    1.6 本文的研究重点和特点
第二章 流动性度量指标模型
    2.1 流动性度量指标模型概述
    2.2 流动性度量指标模型分类
    2.3 基于价格的流动性指标模型
    2.4 基于交易量的流动性指标模型
    2.5 基于时间维度的流动性指标
    2.6 价量结合的流动性指标模型
    2.7 流动性度量指标模型的讨论
第三章 积累线性模型的理论探讨
    3.1 处理分类属性变量的模型选择
    3.2 积累线性模型
    3.3 序次Logistic回归和序次Probit回归的选择
    3.4 参数项的估计与股价变动的条件期望
    3.5 模型的检验方法
    3.6 本章小节
第四章 积累线性模型的实证检验
    4.1 数据来源及预处理
    4.2 建模:修正GH模型
    4.3 拟合优度检验
    4.4 证券价格变动的条件期望
    4.5 从模型中推导流动性指标的方法
    4.6 本章小节
第五章 流动性指标统计特征几个实证
    5.1 问题的提出
    5.2 数据预处理
    5.3 流动性指标概率分布的检验
    5.4 流动性指标的相关性检验
    5.5 流动性指标的敏感度检验
    5.6 特殊事件对流动性的影响
    5.7 本章小节
第六章 流动性修正风险模型
    6.1 流动性修正VaR模型文献回顾
    6.2 基于累积线性模型的流动性修正VaR模型
    6.3 流动性修正VaR的实证检验及讨论
    6.4 模型的应用能力讨论
第七章 总结与展望
参考文献
附录一: 流动性指标统计特征
附录二: 流动性指标相关性矩阵
致谢

【引证文献】

相关博士学位论文 前2条

1 李悦雷;基于计算实验金融的连续双向拍卖股票市场交易机制研究[D];天津大学;2012年

2 王欣;股指期货在投资组合管理中的套期保值研究[D];中国科学技术大学;2009年

相关硕士学位论文 前3条

1 赵晶晶;缺失数据下广义线性模型参数拟似然估计的相合性和渐近正态性[D];燕山大学;2010年

2 滕立宁;中小企业板与主板市场流动性比较研究[D];哈尔滨工程大学;2008年

3 李海霞;不完全数据广义线性模型参数的极大似然估计[D];燕山大学;2009年

本文编号：2837493