金融高频数据的波动率及跳跃研究

发布时间：2018-01-24 22:50

  本文关键词： 金融高频数据 已实现波动 积分波动 跳跃 预平均方法 Wild Bootstrap　出处：《重庆理工大学》2014年硕士论文　论文类型：学位论文

【摘要】：金融高频数据由于比低频数据包含了更多的信息而被众多学者广泛关注,而如何准确地测量金融资产收益的波动一直是金融领域研究的核心问题之一,因此如何用高频数据估计波动率则成为备受人们关注的焦点问题. 本文主要介绍了分别由Podolskij和Vetter以及Jacod等提出的两种不同的预平均思想,分别将数据分成不重叠的和重叠的区块,用以消除市场微观结构噪声的影响,构造了积分波动的一致估计量以及它们的渐近性质.由于预平均收益可能存在异方差性,促使了我们采用Wild Bootstrap思想来消除异方差.在跳跃行为方面，介绍了跳跃存在下的积分波动的一致估计以及跳跃检验统计量. 本文的主要内容安排如下： 第一章是绪论,介绍了本文的研究背景、选题意义以及波动率及跳跃的研究现状；第二章则是详细介绍了预平均已实现波动以及它的一阶渐近性质,跳跃检验统计量,并对最优抽样频率的选取进行了分析研究；第三章将Bootstrap理论与预平均已实现波动相结合,在此思想上构造积分波动的置信区间；第四章采用蒙塔卡罗模拟说明Bootstrap可以提高一阶渐近理论的有限样本性质,并结合实证来说明其有效性；第五章则是对本文进行总结,说明存在的不足与未来的研究方向. 本文的创新点是对预平均已实现波动进行了全面的总结,并结合我国证券市场真实交易对Bootstrap理论进行实证研究.
[Abstract]:Financial high-frequency data contain more information than low-frequency data, and how to accurately measure the volatility of financial asset returns has been one of the core issues in the field of finance. Therefore, how to estimate volatility with high frequency data has become the focus of attention. This paper mainly introduces two different preaveraging ideas proposed by Podolskij, Vetter and Jacod, which divide the data into non-overlapping and overlapping blocks respectively. In order to eliminate the influence of market microstructure noise, the uniform estimators of integral fluctuations and their asymptotic properties are constructed. In this paper, we adopt Wild Bootstrap to eliminate heteroscedasticity. In the aspect of jump behavior, we introduce the uniform estimation of integral fluctuation and the statistic of jump test. The main contents of this paper are as follows: The first chapter is the introduction, which introduces the research background, the significance of the topic and the research status of volatility and jump. In the second chapter, the first order asymptotic property of pre-average and its first-order asymptotic property are introduced in detail, and the selection of optimal sampling frequency is analyzed and studied. In the third chapter, the Bootstrap theory is combined with the pre-average realized fluctuation to construct the confidence interval of integral fluctuation. In chapter 4th Monta Carlo simulation is used to show that Bootstrap can improve the finite sample properties of the first order asymptotic theory. Chapter 5th is a summary of this paper, explaining the shortcomings and future research direction. The innovation of this paper is a comprehensive summary of the pre-average realized volatility, and an empirical study on the Bootstrap theory combined with the real trading in China's securities market.
【学位授予单位】：重庆理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：F830.91;F224

【相似文献】

相关期刊论文 前10条

1 陈高才;;高频数据在会计实证研究中的应用和展望[J];财会研究;2011年05期

2 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

3 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

4 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

5 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

6 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

7 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

8 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

9 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

10 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

相关会议论文 前7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

7 瞿慧;张明卓;;基于跳跃规模细分的已实现波动率建模研究[A];“两型社会”建设与管理创新——第十五届中国管理科学学术年会论文集（上）[C];2013年

相关重要报纸文章 前7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

6 格林期货 刘光素　编辑 梁伟;揭秘神奇的“期指领先股指2分钟”之谜[N];上海证券报;2010年

7 长城证券 汪毅 张新文;债市调整 可转债个体性机会增强[N];经济参考报;2014年

相关博士学位论文 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

相关硕士学位论文 前10条

1 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

2 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

3 张曙;金融高频数据的分析及实证研究[D];中南大学;2013年

4 肖星火;基于中国股市高频数据的流动性风险研究[D];华南理工大学;2013年

5 刘力华;基于高频数据的证券市场实证研究[D];暨南大学;2011年

6 张国勇;金融市场（超）高频数据建模及其实证分析[D];天津大学;2004年

7 李颖超;太钢不锈股市高频数据实证研究[D];山西财经大学;2012年

8 翟昌立;基于高频数据的中国证券市场特征研究[D];天津大学;2007年

9 侯守国;基于小波分析的股市高频数据研究[D];天津大学;2006年

10 李纯净;基于高频数据的微观市场结构中的研究[D];长春工业大学;2011年

，

本文编号：1461243