基于高频数据的波动率建模及应用研究评述

发布时间：2018-09-08 14:29

【摘要】：囿于数据可得性,传统波动率模型使用的数据频率最高频率一般为日。随着技术进步,更高频率数据越来越引起研究者们的关注。应用高频数据可以在以下诸方面提升人们对于波动率的认识:(1)更好地了解波动率的动态特征;(2)有助于建立新的波动率模型,更准确地预测波动率;(3)作为一个更精确的波动率度量指标用于评价不同模型的预测结果,并为更复杂的模型提供估计工具;(4)能够识别波动率的不同组成部分,为金融理论和实践提供更多的对象和工具。本文就近年来基于高频数据的波动率建模及应用的研究进行评述和总结。
[Abstract]:Due to the availability of data, the maximum frequency of data used in the traditional volatility model is generally day. With the development of technology, higher frequency data have attracted more and more attention from researchers. The application of high-frequency data can enhance the understanding of volatility in the following aspects: (1) better understanding of the dynamic characteristics of volatility; (2) contribute to the establishment of new volatility models. More accurate prediction of volatility; (III) use as a more accurate measure of volatility to evaluate forecasting results for different models and provide estimation tools for more complex models; (iv) be able to identify different components of volatility, Provide more objects and tools for financial theory and practice. This paper reviews and summarizes the research on volatility modeling and application based on high frequency data in recent years.
【分类号】：F224;F830

【相似文献】

相关期刊论文 前10条

1 施小蓉;;我国房地产泡沫与金融风险问题分析[J];金融与经济;2007年03期

2 陈哲峗;;VaR方法测量金融风险应用浅述[J];商场现代化;2010年24期

3 魏杰;关于房地产与金融风险的几个问题(一)[J];中国招标;2005年11期

4 王丽莹;;浅谈房贷低龄化对房地产市场的影响[J];中国商界(下半月);2008年06期

5 袁萌萌;贾秀娥;;我国房地产金融的风险及防范研究[J];技术与创新管理;2009年01期

6 赵立航;陈霞;;基于因子分析的我国金融风险研究[J];中国集体经济;2010年06期

7 中国人民银行南昌中心支行课题组;刘居照;张婷婷;;房地产市场发展与房地产金融风险关系研究——以江西省房地产市场为例[J];武汉金融;2010年07期

8 屠光宇;胡艳平;;金融风险和财政风险相关性的系统分析[J];华东经济管理;2007年03期

9 郭新茹;;我国房地产泡沫经济的研究与分析[J];科技和产业;2007年05期

10 陈成栋;;对我国物流金融问题的认识[J];科技信息(学术研究);2007年24期

相关会议论文 前10条

1 张尧庭;;如何选择度量金融风险的指标[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策（上册）[C];2002年

2 刘守英;蒋省三;;土地融资、城市扩张与金融风险——来自一个发达地区的个案[A];不动产开发与投资和不动产金融——2005年海峡两岸土地学术研讨会论文集[C];2005年

3 任叶庆;张鸿雁;;无套利定价理论在保险定价中的应用[A];第六届中国青年运筹与管理学者大会论文集[C];2004年

4 逄锦聚;刘书祥;;努力实现经济发展模式的根本转变[A];理论·改革·发展[C];1998年

5 汪青松;钟波;;利用Bayes估计计算金融风险值VaR[A];全国第十届企业信息化与工业工程学术年会论文集[C];2006年

6 陆红军;;国际金融中心竞争力评估研究[A];纪念会计改革与开放30年暨上海市会计学会成立30周年专辑[C];2009年

7 熊方军;;基于AHP的房地产开发商贷款风险评估[A];中国灾害防御协会风险分析专业委员会第二届年会论文集（一）[C];2006年

8 何宜庆;万媛媛;;次贷危机下我国长三角地区对中部地区经济发展影响的实证研究[A];2009年南昌大学中国中部经济发展研究中心学术年会暨“贯彻国务院《促进中部地区崛起规划》”研讨会论文集[C];2009年

9 李红权;马超群;;风险度向量方法及其实证研究[A];管理科学与系统科学研究新进展——第8届全国青年管理科学与系统科学学术会议论文集[C];2005年

10 孟志青;虞晓芬;高辉;蒋敏;;基于条件风险值CVaR模型的房地产组合投资的风险度量与策略[A];第八届中国管理科学学术年会论文集[C];2006年

相关重要报纸文章 前10条

1 张一鸣;房价下滑幅度决定金融风险是否爆发[N];中国经济时报;2008年

2 本报记者 王小霞;房地产隐性金融风险加大[N];中国经济时报;2005年

3 吴国权;房价、地价和金融风险[N];中国国土资源报;2004年

4 赵进;房地产市场将由政策风险转向金融风险[N];中国联合商报;2007年

5 吕志强;警惕房地产泡沫“堆积”金融风险[N];经济日报;2003年

6 文林峰;以多元化融资分散地产金融风险[N];中国经营报;2005年

7 辛华;商业地产投资增长过快潜伏金融风险[N];江苏经济报;2005年

8 郭建波 尹中立;个别城市金融风险凸现 房改要向低收入群体倾斜[N];财经时报;2005年

9 本报评论员 张立伟;商业地产聚集金融风险[N];21世纪经济报道;2007年

10 陈先锋;分期首付积累金融风险 开发商“止渴”银行“饮鸩”[N];新华每日电讯;2008年

相关博士学位论文 前10条

1 吴军;金融稳定框架分析和模型构建[D];武汉大学;2005年

2 丁茗;金融监管制度博弈分析[D];河海大学;2006年

3 才元;中国房地产业波动对国民经济的影响研究[D];吉林大学;2007年

4 刘夏;金融混业集团主导下的银行资本监管研究[D];重庆大学;2008年

5 马辉;中国金融风险指标体系构建与预警研究[D];吉林大学;2009年

6 刘维奇;金融复杂性与中国金融效率[D];山西大学;2008年

7 魏润卿;中国房地产业持续健康发展研究[D];华东师范大学;2009年

8 刘铁军;我国房地产市场非理性繁荣形成机制及其金融风险研究[D];上海交通大学;2007年

9 郝丁;我国房地产经济波动与金融风险防范研究[D];西南财经大学;2006年

10 战雪丽;基于Copula理论的多金融资产定价与风险测度[D];天津大学;2007年

相关硕士学位论文 前10条

1 原维妮;房地产金融风险及防范研究[D];中国海洋大学;2004年

2 范锐;我国房地产金融风险研究[D];江西财经大学;2006年

3 白建毅;中国转轨时期制度性金融风险分析[D];山东大学;2005年

4 刘一霖;我国金融风险预警指标体系研究[D];兰州商学院;2010年

5 刘震;VaR及其在外汇交易市场的应用[D];大连理工大学;2006年

6 李艳会;我国的金融风险综合评价[D];吉林大学;2007年

7 林智敏;浅析中国房地产泡沫与金融风险[D];江西财经大学;2006年

8 戈立华;房地产热与商业银行金融风险防范[D];苏州大学;2007年

9 辛华;房地产扩张与金融风险关系研究[D];苏州大学;2007年

10 廖昊萌;我国房地产价格上涨的原因及对经济的影响研究[D];华中科技大学;2008年

，

本文编号：2230796