中国金融市场高频已实现波动率多重分形特征辨识及应用
发布时间：2023-02-23 17:34
金融市场投资标的的波动率研究一直以来都是金融领域研究的核心内容之一。已实现波动率作为代表性波动率之一,能够很好的反映出投资者对市场的态度和看法。随着信息与计算机技术的巨大进步,中国金融市场的交易频率飞速提升。在此基础上,高频微观下的已实现波动率研究正逐步展现其重要的研究价值。这其中,物理金融学的大力发展将多重分形这一重要的非线性工具引入了金融学的应用之中,为金融市场的研究提供了重要的分析工具。本文首先利用这一工具对高频微观结构下的已实现波动率进行了深入的投资者特征异质性探讨,而后基于其多重分形特征中的局部自相似性提出了专门针对高频已实现波动率的预测和刻画的多尺度多自相似区间参照法,最后基于其自相似性拓展了高频已实现波动率在金融市场中投资交易和风险管理的实际应用。论文的主要创新工作归纳如下。1.在我国金融市场投资者的异质性研究中,将高频已实现波动率的多重分形特征值引入其评估体系,建立高频已实现波动率的多维度特征矢量。通过对特征矢量间的欧氏距离的对比来进行投资者特征的异质性研究。传统研究表明,投资者的特征与外部环境有着密切联系,而本文借助我国多层次资本市场所提供的丰富金融衍生品,进一步的将...
【文章页数】：146 页
【学位级别】：博士
【文章目录】：
摘要
abstract
1 绪论
1.1 研究背景
1.1.1 现实背景
1.1.2 理论背景
1.2 研究现状
1.2.1 有效市场假说
1.2.2 典型事实
1.2.3 金融市场分形及多重分形研究文献综述
1.2.4 波动率研究回顾
1.3 研究意义
1.3.1 当前相关研究的不足
1.3.2 理论与现实意义
1.4 研究内容与方法
1.5 论文结构安排
1.6 创新之处
2 多重分形理论及辨识方法
2.1 分形及分形市场理论
2.1.1 分形的定义
2.1.2 分形维
2.1.3 分形市场理论
2.2 多重分形理论
2.2.1 多重分形定义与刻画
2.2.2 多重分形辨识方法
2.2.3 关于多重分形辨识的参数选择
2.3 多重分形特征值
2.3.1 广义赫斯特指数与标度函数
2.3.2 奇异指数和多重分形奇异谱
3 中国金融市场高频已实现波动率多情景多重分形特征辨识及其特征值应用
3.1 标准研究对象的选取
3.1.1 上证50 指数
3.1.2 上证50 ETF
3.1.3 上证50 指数期货
3.1.4 基于超高频数据的积分波动率算法
3.1.5 样本数据概览
3.2 中国证券期货市场的不同交易频率多重分形特征
3.3 中国证券期货市场的不同行情多重分形特征
3.4 高频已实现波动率的动态多重分形特征
3.4.1 整体变化情况
3.4.2 巨幅波动时的变化
3.5 引入多重分形特征值的投资标的历史表现评估
3.5.1 引入高频已实现波动率多重分形特征值的必要性检验
3.5.2 引入高频已实现波动率多重分形特征值的历史交易总结与评估
3.5.3 基于高频已实现波动率多重分形特征值的投资标的复杂性评估
3.6 本章小结
4 高频已实现波动率的多尺度多自相似区间参照法预测
4.1 金融市场高频已实现波动率的刻画与预测
4.1.1 GARCH类模型
4.1.2 HAR-RV模型
4.1.3 长短期记忆神经网络LSTM
4.1.4 ARFIMA模型
4.1.5 高频已实现波动率的预测难点
4.2 多尺度多自相似区间参照法
4.2.1 理论基础
4.2.2 现实基础
4.2.3 多尺度多自相似区间参照方法
4.3 多尺度多自相似区间参照方法拓展研究
4.3.1 自相似性检验
4.3.2 参照自相似区间的预测基准选择
4.3.3 尺度选择
4.4 本章小结
5 基于多重分形特征的高频已实现波动率自相似性应用
5.1 自相似区间检验应用
5.1.1 自相似性程度检验方法
5.1.2 多投资标的自相似强度
5.1.3 多情景自相似强度
5.1.4 自相似强度的动态研究
5.1.5 通过自相似程度检验合理规划投资组合日内资金使用
5.2 高频已实现波动率的奇异事件时间间隔概率分布估计
5.2.1 长记忆性序列的奇异事件及奇异事件时间间隔
5.2.2 核函数密度估计
5.2.3 基于长记忆性的参数估计
5.2.4 数据实证
5.3 本章小结
6 总结与展望
6.1 研究工作总结
6.1.1 高频已实现波动率多重分形特征研究总结
6.1.2 高频已实现波动率预测总结
6.1.3 高频已实现波动率特征应用总结
6.2 当前研究的不足以及有待解决的问题
6.3 未来的研究方向
参考文献
致谢
本文编号：3748437
【文章页数】：146 页
【学位级别】：博士
【文章目录】：
摘要
abstract
1 绪论
1.1 研究背景
1.1.1 现实背景
1.1.2 理论背景
1.2 研究现状
1.2.1 有效市场假说
1.2.2 典型事实
1.2.3 金融市场分形及多重分形研究文献综述
1.2.4 波动率研究回顾
1.3 研究意义
1.3.1 当前相关研究的不足
1.3.2 理论与现实意义
1.4 研究内容与方法
1.5 论文结构安排
1.6 创新之处
2 多重分形理论及辨识方法
2.1 分形及分形市场理论
2.1.1 分形的定义
2.1.2 分形维
2.1.3 分形市场理论
2.2 多重分形理论
2.2.1 多重分形定义与刻画
2.2.2 多重分形辨识方法
2.2.3 关于多重分形辨识的参数选择
2.3 多重分形特征值
2.3.1 广义赫斯特指数与标度函数
2.3.2 奇异指数和多重分形奇异谱
3 中国金融市场高频已实现波动率多情景多重分形特征辨识及其特征值应用
3.1 标准研究对象的选取
3.1.1 上证50 指数
3.1.2 上证50 ETF
3.1.3 上证50 指数期货
3.1.4 基于超高频数据的积分波动率算法
3.1.5 样本数据概览
3.2 中国证券期货市场的不同交易频率多重分形特征
3.3 中国证券期货市场的不同行情多重分形特征
3.4 高频已实现波动率的动态多重分形特征
3.4.1 整体变化情况
3.4.2 巨幅波动时的变化
3.5 引入多重分形特征值的投资标的历史表现评估
3.5.1 引入高频已实现波动率多重分形特征值的必要性检验
3.5.2 引入高频已实现波动率多重分形特征值的历史交易总结与评估
3.5.3 基于高频已实现波动率多重分形特征值的投资标的复杂性评估
3.6 本章小结
4 高频已实现波动率的多尺度多自相似区间参照法预测
4.1 金融市场高频已实现波动率的刻画与预测
4.1.1 GARCH类模型
4.1.2 HAR-RV模型
4.1.3 长短期记忆神经网络LSTM
4.1.4 ARFIMA模型
4.1.5 高频已实现波动率的预测难点
4.2 多尺度多自相似区间参照法
4.2.1 理论基础
4.2.2 现实基础
4.2.3 多尺度多自相似区间参照方法
4.3 多尺度多自相似区间参照方法拓展研究
4.3.1 自相似性检验
4.3.2 参照自相似区间的预测基准选择
4.3.3 尺度选择
4.4 本章小结
5 基于多重分形特征的高频已实现波动率自相似性应用
5.1 自相似区间检验应用
5.1.1 自相似性程度检验方法
5.1.2 多投资标的自相似强度
5.1.3 多情景自相似强度
5.1.4 自相似强度的动态研究
5.1.5 通过自相似程度检验合理规划投资组合日内资金使用
5.2 高频已实现波动率的奇异事件时间间隔概率分布估计
5.2.1 长记忆性序列的奇异事件及奇异事件时间间隔
5.2.2 核函数密度估计
5.2.3 基于长记忆性的参数估计
5.2.4 数据实证
5.3 本章小结
6 总结与展望
6.1 研究工作总结
6.1.1 高频已实现波动率多重分形特征研究总结
6.1.2 高频已实现波动率预测总结
6.1.3 高频已实现波动率特征应用总结
6.2 当前研究的不足以及有待解决的问题
6.3 未来的研究方向
参考文献
致谢
本文编号：3748437
本文链接：https://www.wllwen.com/jingjilunwen/hongguanjingjilunwen/3748437.html
