高频数据Realized GARCH Copula模型构建及相关性测度

发布时间：2022-04-23 18:17

　　近年来,随着经济全球化进程的不断推进,世界金融格局产生了巨大的变迁,同时,潜在的金融风险也在逐步释放。在我国明显的表现是2015年A股市场的剧烈动荡,且作为中国资本市场对外开放史上的里程碑事件,“沪港通”的运行和不久前“深港通”的启动也引发了市场波动和投资等一系列风险,这再次提醒了广大投资者和监管机构,风险管理和金融市场相关性在金融市场的研究中有着不可忽视的重要地位。对市场波动率的研究一直占据着风险管理领域的重要位置,随着金融高频数据的可得性越来越强,基于高频数据的已实现测度成为波动率研究的热点问题。基于这种情况,本文对Realized GARCH模型形式进行了推广,将其推广到厚尾分布的情形,并与传统的GARCH类模型进行对比。同时,考虑到不同的已实现测度的选取对模型效果的影响,采用四组具有层次性的高频数据已实现测度,构成对尾部风险度量的对比模型。在比较尾部风险度量的效果时,采用VaR效果和两个在金融市场风险管理视角下的损失函数,进一步提高模型比对结果的稳健性。对于市场间的相关性测度,本文建立Realized GARCH Copula模型,该模型采用推广的Realized GARCH模... 

【文章页数】：52 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 文献综述
        1.2.1 已实现测度的研究现状
        1.2.2 Realized GARCH Copula模型的研究现状
    1.3 研究思路架及框架
        1.3.1 研究思路
        1.3.2 基本框架
    1.4 研究方法与创新
        1.4.1 研究方法
        1.4.2 研究创新
第2章 Realized GARCH模型及实证分析
    2.1 GARCH类模型
        2.1.1 GARCH模型
        2.1.2 EGARCH模型
        2.1.3 Realized GARCH模型
    2.2 Realized GARCH模型参数估计及波动率计算
    2.3 在险价值VaR
    2.4 实证分析
        2.4.1 数据选择与处理
        2.4.2 基本统计信息
        2.4.3 基于参数模型的波动率和VaR测度
第3章 不同已实现测度的Realized GARCH模型的实证对比
    3.1 四组已实现测度介绍
    3.2 模型的实证分析
    3.3 模型评价
        3.3.1 波动率预测效果比对
        3.3.2 VaR度量效果比对
        3.3.3 风险管理视角下模型效果比对
第4章 Realized GARCH Copula模型理论及实证
    4.1 Copula理论介绍
    4.2 Realized GARCH Copula模型的构建
    4.3 建立实证模型并分析
第5章 总结与展望
    5.1 主要研究结论
    5.2 展望
参考文献
致谢


【参考文献】：
期刊论文
[1]基于Realized GARCH模型的沪深300指数波动率研究[J]. 关璐,郭名媛.  甘肃科学学报. 2016(06)
[2]利用高频数据和copula度量资产组合市场风险:建模与实证[J]. 唐振鹏,黄友珀,许雅妮.  运筹与管理. 2016(05)
[3]中国股市波动率的广义周内特征及其预测模型[J]. 施雅丰,艾春荣.  系统工程理论与实践. 2016(08)
[4]基于藤copula–已实现GARCH的组合收益分位数预测[J]. 黄友珀,唐振鹏,唐勇.  系统工程学报. 2016(01)
[5]基于偏t分布realized GARCH模型的尾部风险估计[J]. 黄友珀,唐振鹏,周熙雯.  系统工程理论与实践. 2015(09)
[6]风险最小化套期保值比例估计:基于RV-Copula模型[J]. 李勇,方兆本,韦勇凤.  数理统计与管理. 2015(02)
[7]考虑跳跃和隔夜波动的中国股票市场波动率建模与预测[J]. 孙洁.  中国管理科学. 2014(06)
[8]高频农产品期货波动率和相关性预测——基于Realized Copula-DCC模型的视角[J]. 黄雯,黄卓,王天一.  浙江社会科学. 2013(05)
[9]利用高频数据管理沪深300指数的尾部风险——基于Realized GARCH模型的VaR[J]. 黄雯,王天一,黄卓.  中大管理研究. 2012(02)
[10]高频数据波动率建模——基于厚尾分布的Realized GARCH模型[J]. 王天一,黄卓.  数量经济技术经济研究. 2012(05)

博士论文
[1]Copula方法在金融风险管理中的应用研究[D]. 鲁训法.中国科学技术大学 2012
[2]基于高频数据的金融波动率研究[D]. 李胜歌.天津大学 2008

硕士论文
[1]上证50 ETF的波动率研究及VaR测算[D]. 刘祥.华东理工大学 2017
[2]高频数据波动率建模及风险度量[D]. 傅聪.浙江工商大学 2017
[3]几类RealGARCH模型的波动率与VaR测度[D]. 甘甜.浙江大学 2016
[4]基于Copula-Realized GARCH模型的股指期货动态最优套期保值比率研究[D]. 周士俊.南京大学 2016
[5]中国股市已实现波动率估计[D]. 袁玲.暨南大学 2014
[6]基于高频数据已实现GARCH-HAR模型的研究[D]. 许志香.厦门大学 2014
[7]基于结构突变检测的沪深300指数已实现波动率研究[D]. 朱子豪.南京大学 2013
[8]我国股市的微观结构噪声与波动特征研究[D]. 党略.暨南大学 2013
[9]超高频期货市场微观结构噪音实证研究[D]. 苟开桂.西南财经大学 2013



本文编号：3647728