沪港通机制下股票高频数据波动性研究

发布时间：2017-07-19 21:32

  本文关键词：沪港通机制下股票高频数据波动性研究

  更多相关文章： 波动率 高频数据 VaR ARCH族模型

【摘要】：ARCH族模型是时间序列研究的一个重要分支,波动率的研究在金融数据的研究方面占有举足轻重的作用,它常常被作为风险大小的度量标准,其值能够对风险管理等产生影响,而与低频的如每日数据相比,高频数据透露的市场信息更为全面。在金融数据的研究方面,股票数据的研究一直具有不可比拟的作用,而2014年11月17日沪港通机制的开通则为内地股票市场打开了新的局面。本文就是利用ARCH族模型对沪港通机制开通后股票市场的高频数据进行波动率建模分析。本文选取恒生AH股精明指数的1分钟、5分钟、15分钟、30分钟以及60分钟的高频数据,对在沪港两地开通沪港通互通机制后的股票市场的波动性采用ARCH族模型的建模研究。首先对各种波动率模型以及相关检验方法原理进行介绍,其后对股票市场各频率数据基本信息进行统计分析,经检验,数据存在异方差性。本文分别对各频率收益率序列建立正态分布,t分布以及GED分布下的最优波动率模型并根据模型参数显著性,模型拟合优度以及SIC准则等评判依据对各频率模型进行最优模型的选择与分析,发现沪港市场的高频数据具有丛集性、尖峰厚尾凸显的非正态性,另外数据还具有杠杆效应,进一步的分析可知数据的“利空效应”造成的波动大于“利好效应”造成的波动。另外由于市场还不完全具备自我稳定机制,需要借助外部干预以减弱外部波动的影响。研究还发现大部分频率的数据分布偏向于t分布。随着时间频率的增高,模型的拟合效果随之变差。其次利用最优模型对恒生AH股精明指数进行预测,发现时间频率越低,预测效果越好。最后,利用拟合预测效果最好的60分钟频率数据的最优模型——ARMA-EGARCH(1,1,1)-GED模型,计算市场风险价值Va R序列,得出拟合模型在风险预测方面对市场风险进行了有效评估。
【关键词】：波动率 高频数据 VaR ARCH族模型
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224;F832.51
【目录】：

• 中文摘要3-4
• 英文摘要4-8
• 1 绪论8-14
• 1.1 研究背景8
• 1.2 研究意义8-9
• 1.3 国内外研究综述9-12
• 1.3.1 国外研究综述9-11
• 1.3.2 国内研究综述11-12
• 1.4 本文的结构安排12-13
• 1.5 本文的创新点13-14
• 2 ARCH族模型14-19
• 2.1 引入14
• 2.2 ARCH模型14-15
• 2.3 GARCH模型15-16
• 2.4 GARCH-M模型16
• 2.5 EGARCH模型16-17
• 2.6 TGARCH模型17-18
• 2.7 PGARCH模型18-19
• 3 ARCH族模型建模19-26
• 3.1 ARCH模型应用过程19
• 3.2 ADF检验19-21
• 3.3 序列分布21-23
• 3.3.1 正态分布21
• 3.3.2 t分布21-22
• 3.3.3 GED分布22-23
• 3.4 ARCH效应检验23
• 3.5 ARCH族模型选择23-24
• 3.6 拟合优度24
• 3.7 风险价值24-26
• 4 实证分析26-42
• 4.1 沪港通26-27
• 4.2 波动率27-28
• 4.3 高频数据28-29
• 4.4 高频数据收益率29-42
• 4.4.1 数据预处理及基本信息29-32
• 4.4.2 数据建模32-38
• 4.4.3 模型评价38-40
• 4.4.4 结论40-42
• 5 不足与展望42-43
• 致谢43-44
• 参考文献44-47
• 附录47

【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 欧阳君宏;金融资产跳跃特性研究[D];福州大学;2014年

2 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

3 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

4 蔡丰泽;基于小波分析的金融高频数据波动率估计研究[D];长春工业大学;2016年

5 胡龙;基于RV-MSM模型的沪深300波动分析[D];华中科技大学;2013年

6 郭哲琦;基于高频数据的统计套利策略分析及实证研究[D];山东大学;2016年

7 韦建峰;深A股票交易高频数据的统计方法研究[D];云南大学;2016年

8 张欣;基于高频数据的股票流动性影响因素研究[D];南京理工大学;2016年

9 廖春芳;基于MCMC算法的金融高频数据贝叶斯分析[D];华南农业大学;2016年

10 王颖;噪音环境下跳跃的波动测度研究[D];天津大学;2014年

，

本文编号：564956