高频数据下基于已实现波动率的上证50ETF期权定价研究
发布时间：2021-12-09 18:29
越来越多的研究结果表明,对于各种的期权定价模型来说,高频数据中蕴含了大量的标的物价格走势信息,在量化交易中比低频数据涵盖了更多的信息,因此在期权研究中越来越多的学者开始使用高频数据,高频数据在期权定价研究中越来越受到重视。使用日内高频数据来计算波动率,相比低频数据来说可以取得更好的效果。已实现波动率计算简单,无需参数估计,但是在波动率预测方面效果显著。可见,高频数据的应用有着重要的价值。本文研究中采用高频数据。以上证50ETF期权为样本,对GARV和ARV模型进行复现,对中国期权市场的已实现波动率进行研究。首先,对上证50ETF的已实现波动率序列进行描述性统计分析,然后对上证50ETF期权进行定价研究,并与传统模型进行进行对比。以期为量化投资科学决策,提供备选方案,同时,本文所选用模型算法实现具有一定的难度,本文的研究是对该领域现有研究的补充。本文发现,已实现波动率序列分布呈现尖峰后尾性,且极度右偏。已实现波动率序列不符合正态分布,而对已实现波动率取对数后发现,对数已实现波动率序列呈现出明显的波动集聚性特征,且服从正态分布。通过对2016—2017年两年的,到期月分别为六月和九月的上证...
【文章来源】：首都经济贸易大学北京市
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
上证50ETF2016-2017年对数收益率走势图
需要进行平稳性检验。检验平稳性的常用方法是单位根检验，如 ADF 检验，PP 检验和 KPSS 检验。本文同时对三种方法进行检验，检验结果如下：表 4.1 单位根检验检验方法 p-value Z-tauADF <2.2e-16 -PP - -154.2433KPSS 0.1 -由上表可知，ADF 的 p 值和 PP 的 Z-tau 值均在 5%的置信水平下拒绝原假设，KPSS的 p 值在 5%的置信水平下接受原假设，即：收益率序列是平稳的。2.自相关检验序列自相关就是指总体回归模型的随机扰动项之间存在着相关性，即按时间（如在时间序列数据中）或空间（如在截面数据中）排序的各随机扰动项之间存在的相关性。通过混成检验来检验自相关序列是否存在自相关性。对收益率序列进行混成检验，绘制自相关函数（ACF）图如下：
第 4 章 关于期权定价的实证分析3.ARCH 效应检验将ttta r 设为均值方程的残差项，用2ta 来检验条件异方差性，本文将 Ljung-Box统计量 Q(m)应用于 {}2ta 这一序列中，该检验中统计量的原假设为序列 前 m 个收盘价的 ACF 值均为 0，以此来检验四种指数的 ARCH 效应。对均值方差残差进行 ARCH 效应检验，由于四种指数的 p 值为 2.2e-16，小于 0.01，拒绝原假设，即收益率样本序列具有 ARCH 效应，可以构建 GARCH 模型。4.1.2 已实现波动率的描述性统计分析然后，计算样本期间的已实现波动率走势，绘制走势图如下：
【参考文献】：
期刊论文
[1]基于时变波动率与混合对数正态分布的50ETF期权定价[J]. 王鹏,杨兴林. 管理科学. 2016(04)
[2]基于时间序列GARCH（1,1）模型的上证50ETF波动率预测[J]. 吕志鸿. 中国市场. 2015(49)
[3]HAR族模型与GARCH族模型对不同期限波动率的预测精度比较——基于沪深300指数高频价格的实证分析[J]. 瞿慧,李洁,程昕. 系统工程. 2015(03)
[4]基于日内效应的沪深300股指期货套利的分析[J]. 赵秀娟,魏卓,汪寿阳. 管理科学学报. 2015(01)
[5]基于高频数据视角的上证综指跳跃原因分析[J]. 赵涤非,唐勇. 系统科学与数学. 2015(01)
[6]GARCH模型下基于偏最小二乘的欧式股指期权定价——来自香港恒生指数期权市场的证据[J]. 魏洁,韩立岩. 数理统计与管理. 2015(03)
[7]长记忆性、结构突变条件下中国股市波动率的高频预测[J]. 杨科,田凤平. 管理工程学报. 2013(02)
[8]上证综指的已实现波动率预测模型[J]. 杨科,陈浪南. 数理统计与管理. 2013(01)
[9]基于高频数据的波动率建模及应用研究评述[J]. 王天一,黄卓. 经济学动态. 2012(03)
[10]具有有偏厚尾的非对称SV模型及其实证研究[J]. 吴鑫育,马超群,汪寿阳. 系统工程. 2012(01)
博士论文
[1]基于高频数据的沪深300股指期货波动率度量方法及应用[D]. 任德平.湖南大学 2013
本文编号：3531104
【文章来源】：首都经济贸易大学北京市
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
上证50ETF2016-2017年对数收益率走势图
需要进行平稳性检验。检验平稳性的常用方法是单位根检验，如 ADF 检验，PP 检验和 KPSS 检验。本文同时对三种方法进行检验，检验结果如下：表 4.1 单位根检验检验方法 p-value Z-tauADF <2.2e-16 -PP - -154.2433KPSS 0.1 -由上表可知，ADF 的 p 值和 PP 的 Z-tau 值均在 5%的置信水平下拒绝原假设，KPSS的 p 值在 5%的置信水平下接受原假设，即：收益率序列是平稳的。2.自相关检验序列自相关就是指总体回归模型的随机扰动项之间存在着相关性，即按时间（如在时间序列数据中）或空间（如在截面数据中）排序的各随机扰动项之间存在的相关性。通过混成检验来检验自相关序列是否存在自相关性。对收益率序列进行混成检验，绘制自相关函数（ACF）图如下：
第 4 章 关于期权定价的实证分析3.ARCH 效应检验将ttta r 设为均值方程的残差项，用2ta 来检验条件异方差性，本文将 Ljung-Box统计量 Q(m)应用于 {}2ta 这一序列中，该检验中统计量的原假设为序列 前 m 个收盘价的 ACF 值均为 0，以此来检验四种指数的 ARCH 效应。对均值方差残差进行 ARCH 效应检验，由于四种指数的 p 值为 2.2e-16，小于 0.01，拒绝原假设，即收益率样本序列具有 ARCH 效应，可以构建 GARCH 模型。4.1.2 已实现波动率的描述性统计分析然后，计算样本期间的已实现波动率走势，绘制走势图如下：
【参考文献】：
期刊论文
[1]基于时变波动率与混合对数正态分布的50ETF期权定价[J]. 王鹏,杨兴林. 管理科学. 2016(04)
[2]基于时间序列GARCH（1,1）模型的上证50ETF波动率预测[J]. 吕志鸿. 中国市场. 2015(49)
[3]HAR族模型与GARCH族模型对不同期限波动率的预测精度比较——基于沪深300指数高频价格的实证分析[J]. 瞿慧,李洁,程昕. 系统工程. 2015(03)
[4]基于日内效应的沪深300股指期货套利的分析[J]. 赵秀娟,魏卓,汪寿阳. 管理科学学报. 2015(01)
[5]基于高频数据视角的上证综指跳跃原因分析[J]. 赵涤非,唐勇. 系统科学与数学. 2015(01)
[6]GARCH模型下基于偏最小二乘的欧式股指期权定价——来自香港恒生指数期权市场的证据[J]. 魏洁,韩立岩. 数理统计与管理. 2015(03)
[7]长记忆性、结构突变条件下中国股市波动率的高频预测[J]. 杨科,田凤平. 管理工程学报. 2013(02)
[8]上证综指的已实现波动率预测模型[J]. 杨科,陈浪南. 数理统计与管理. 2013(01)
[9]基于高频数据的波动率建模及应用研究评述[J]. 王天一,黄卓. 经济学动态. 2012(03)
[10]具有有偏厚尾的非对称SV模型及其实证研究[J]. 吴鑫育,马超群,汪寿阳. 系统工程. 2012(01)
博士论文
[1]基于高频数据的沪深300股指期货波动率度量方法及应用[D]. 任德平.湖南大学 2013
本文编号：3531104
本文链接：https://www.wllwen.com/jingjilunwen/jingjiguanlilunwen/3531104.html
