股指期货中的高频数据分析

发布时间：2017-04-28 15:16

  本文关键词：股指期货中的高频数据分析，，由笔耕文化传播整理发布。

【摘要】：随着金融改革的深化及市场竞争的加剧,传统的基本面加技术面的投资分析方法受到了来自新方法的挑战。特别是在高频数据的分析与建模方面,传统的建模方法无法适应高频数据的高峰度、长相依等特征,在分析上存在困难。另一方面,高频数据中包含的微观金融结构,又对理解市场运作方式和机理至关重要。本文基于随机金融间期分析框架,使用密度预估的方法,比较了几种常见的金融间期模型,并使用沪深300股指期货的高频数据进行了实证分析。分析结果表明,在合适的基础分布上,简单直接的ACD即LOG-ACD模型就能得到较好的拟合结果。除此之外,在数据分析和模型验证的过程中,股指期货市场的微观金融结构也显现在我们面前。事实证明,基于随机间期模型的高频数据框架对我国的股指期货市场的分析是有效的,而这一特殊的市场,和以往的单边的,相对低流动性的其它金融市场也存在着很大的不同。
【关键词】：高频数据 密度预估 ACD 模型 股指期货
【学位授予单位】：中国科学技术大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：F224;F830.9
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 第1章 绪论9-11
• 1.1 引言9
• 1.2 股指期货与其它金融衍生品9-10
• 1.3 研究方法与内容框架10-11
• 1.3.1 研究方法10
• 1.3.2 内容框架10-11
• 第2章 文献综述11-13
• 第3章 股指期货13-27
• 3.1 基本概念13-20
• 3.1.1 远期合约与期货合约13-14
• 3.1.2 现货：沪深300 股票指数14-16
• 3.1.3 沪深300 股指期货16-17
• 3.1.4 期货市场的参与者和存在意义17-18
• 3.1.5 数据特征18
• 3.1.6 波动率的日内变动和日历性18-19
• 3.1.7 高频价格序列的高峰度19
• 3.1.8 高频价格序列的一阶负相关性19
• 3.1.9 超高频数据的随机时间效应19-20
• 3.1.10 价格离散性的影响20
• 3.2 常见的股指期货套利方法20-24
• 3.2.1 期现套利21-23
• 3.2.2 跨期套利23
• 3.2.3 跨市场套利23
• 3.2.4 结算套利和其它事件套利23-24
• 3.3 股指期货套利的主要风险24-27
• 3.3.1 政策风险24
• 3.3.2 市场风险24
• 3.3.3 交易风险24-25
• 3.3.4 模型风险25
• 3.3.5 仓位风险25-27
• 第4章 理论准备27-35
• 4.1 随机金融间期模型27-33
• 4.1.1 标准ACD 模型27-28
• 4.1.2 对数ACD 模型28-29
• 4.1.3 门限ACD 模型29-30
• 4.1.4 随机条件间期模型（SCD）30-31
• 4.1.5 随机波动率间期模型（SVD）31-33
• 4.2 DGT 密度预估方法33-35
• 4.2.1 DGT 密度预估方法33-35
• 第5章 实证分析35-47
• 5.1 数据35
• 5.2 描述统计35-42
• 5.2.1 间期的分布35-38
• 5.2.2 价格间期的日内效应和日历效应38-41
• 5.2.3 价格间期序列的自相关性41-42
• 5.3 间期模型的 DGT 密度预估42-47
• 5.3.1 检验说明42-43
• 5.3.2 积分变换序列z 的自相关性43-44
• 5.3.3 积分变换序列z 的均匀性44-47
• 第6章 结论与展望47-49
• 6.1 本文结论47
• 6.2 研究展望47-49
• 参考文献49-50

【引证文献】

中国期刊全文数据库 前1条

1 谢懿;;基于ACD模型对沪深300指数期货持续期的实证研究[J];现代经济信息;2013年03期

中国硕士学位论文全文数据库 前1条

1 周敏;基于极值分布VaR模型的中国股指期货风险评估[D];上海师范大学;2013年

  本文关键词：股指期货中的高频数据分析，由笔耕文化传播整理发布。

本文编号：333070