基于Hilbert-Huang变换的高频数据波动率的估计

发布时间：2017-03-28 07:15

  本文关键词：基于Hilbert-Huang变换的高频数据波动率的估计，由笔耕文化传播整理发布。

【摘要】：高频金融数据波动率的估计在资产定价和金融工程中都发挥着重要的作用。在风险评估中,好的交易策略对获得最近的可靠波动估计和短期估计都非常重要。一般地,随着数据频率的增加,估计波动的难度也随之增加,在风险评估或金融市场中,股票指数和外汇汇率随着频率的增加,随机过程的本质将会改变,自相似性将随着价格的长时间区间移动而被破坏,所以精准的估计短期波动越来越重要。本文主要从高频数据分形特征和波动性两个方面来探究我国股票市场的特征。首先,针对沪深300指数的收盘价格的对数收益率,对其进行经验模态分解(EMD:Empirical Mode Decomposition),得到一系列的固有模态函数(IMF:Intrinsic Mode Function);其次,采用分形理论中的重标极差分析法(R/S:Rescaled Range Analysis)对固有模态函数进行实证研究,得到其Hurst移动平均指数,继而揭示我国股市在2010-2011年间有明显的长记忆性;最后,对分解后的高频固有模态函数进行Hilbert变换,构建波动率的估计形式,并给出了波动率的估计结果,并将其估计的结果与已实现波动率方法的实证结果进行对比分析,相对误差非常小,实验结果表明Hilbert-Huang变换的方法是波动率估计的可靠精准方法之一。
【关键词】：高频数据 分形特征 Hilbert-Huang变换
【学位授予单位】：长春工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224;F832.51
【目录】：

• 摘要3-4
• Abstract4-7
• 第一章 绪论7-11
• 1.1 研究背景及意义7
• 1.1.1 研究背景7
• 1.1.2 研究意义7
• 1.2 国内外研究现状7-10
• 1.3 研究内容及论文框架10-11
• 第二章 基本理论11-14
• 2.1 高频金融数据的定义及性质11
• 2.2 波动率的定义11
• 2.3 波动率估计的方法11-13
• 2.3.1 已实现波动率11-12
• 2.3.2 ARCH模型12
• 2.3.3 SV模型12
• 2.3.4 Hilbert-Huang变换12-13
• 2.4 本章小结13-14
• 第三章 基于EMD的股票指数分形特征研究14-21
• 3.1 数据来源14
• 3.2 基于EMD的股票指数分解14-16
• 3.3 股票指数分形特征研究16-19
• 3.4 本章小结19-21
• 第四章 基于Hilbert-Huang变换的高频数据波动率的估计21-30
• 4.1 波动率的估计形式21-22
• 4.2 实证分析22-29
• 4.2.1 数据选取22-23
• 4.2.2 描述性统计分析23-24
• 4.2.3 波动率估计24-29
• 4.3 本章小结29-30
• 第五章 总结和展望30-31
• 5.1 总结30
• 5.2 展望30-31
• 致谢31-32
• 参考文献32-36
• 附录36-39
• 作者简介39
• 攻读硕士学位期间研究成果39

【相似文献】

中国期刊全文数据库 前10条

1 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

2 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

3 常宁,徐国祥;金融高频数据分析的现状与问题研究[J];财经研究;2004年03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 唐振鹏;;金融高频数据和超高频数据的研究现状及展望[J];福州大学学报(哲学社会科学版);2008年04期

7 金登贵;中国证券市场高频数据分布特征研究[J];统计与决策;2005年20期

8 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

9 尹优平,马丹;基于分布拟合方法的高频数据风险价值研究[J];金融研究;2005年03期

10 补冯林,张卫国,何伟;基于超高频数据的股票流动性度量研究[J];统计与决策;2005年04期

中国重要会议论文全文数据库 前6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 郭名媛;;基于高频数据的赋权已实现极差相关系数及其实证研究[A];社会经济发展转型与系统工程——中国系统工程学会第17届学术年会论文集[C];2012年

3 唐勇;;金融市场波动建模:基于高频数据视角[A];社会经济发展转型与系统工程——中国系统工程学会第17届学术年会论文集[C];2012年

4 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

5 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

6 刘淳;朱世武;何济舟;;金融市场波动择时策略的经济价值分析[A];经济全球化与系统工程——中国系统工程学会第16届学术年会论文集[C];2010年

中国重要报纸全文数据库 前5条

1 本报记者 任晓;12月PMI或小幅上行[N];中国证券报;2013年

2 程实;美国金融体系逐渐恢复 实体经济企稳[N];中国经济时报;2009年

3 华泰长城期货 谢赵维　许惠敏;高库存料继续“重压”矿价[N];中国证券报;2014年

4 金融学博士 宏观经济分析师 程实;全球经济隐约徘徊着复合危机阴影[N];上海证券报;2011年

5 申银万国证券研究所 李慧勇;新兴市场保持资金大额流入[N];证券时报;2014年

中国博士学位论文全文数据库 前6条

1 唐勇;基于高频数据的金融市场分析[D];天津大学;2007年

2 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

3 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

4 李胜歌;基于高频数据的金融波动率研究[D];天津大学;2008年

5 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

6 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

中国硕士学位论文全文数据库 前10条

1 周智橹;沪深300股指期货已实现波动率的研究[D];中国青年政治学院;2015年

2 米佳奇;基于高频数据的期货跨品种套利研究[D];浙江工商大学;2015年

3 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

4 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

5 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

6 欧阳君宏;金融资产跳跃特性研究[D];福州大学;2014年

7 林欣;基于高频数据的金融资产共同跳跃建模研究[D];福州大学;2014年

8 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

9 韩铁;金融市场（超）高频数据建模及与低频数据对比研究[D];天津大学;2006年

10 李晓威;金融高频数据的关联规则算法研究[D];吉林大学;2008年

  本文关键词：基于Hilbert-Huang变换的高频数据波动率的估计，由笔耕文化传播整理发布。

，

本文编号：271871