本文關(guān)鍵詞：基于RV的LMSV模型在中國股市中的實證研究　出處：《中國管理科學(xué)》2014年S1期 　論文類型：期刊論文

  更多相關(guān)文章： 金融高頻時間序列 已實現(xiàn)波動率 LMSV 長記憶性

【摘要】：本文研究了金融高頻時間序列的長記憶特征,介紹了已實現(xiàn)波動率、長記憶隨機波動模型以及參數(shù)估計方法。由于長記憶隨機波動模型(Long Memory Stochastic Volatility Model,LMSV)模型中參數(shù)較多,常用的參數(shù)估計方法不能解決參數(shù)估計問題,故采用半?yún)?shù)估計方法——Local Whittle估計。通過上海證券交易所上證綜指2000年一2008年每五分鐘的數(shù)據(jù),選擇ADF單位根檢驗驗證了金融高頻時間序列的平穩(wěn)性,自相關(guān)圖、重標(biāo)極差法、對數(shù)周期圖法驗證了長記憶性,利用LMSV模型對中國股市的長記憶特征進(jìn)行了參數(shù)估計,與廣泛使用的自回歸分整移動平均模型(Auto—Regressive Fractional Integrated Moving Average,ARFIMA)進(jìn)行了對比,得到的長記憶參數(shù)d的估計結(jié)果均符合長記憶性的定義,發(fā)現(xiàn)LMSV模型在實際應(yīng)用中的有效性。
[Abstract]:In this paper , the long memory characteristics of financial high frequency time series are studied , and the fluctuation rate , long memory random fluctuation model and parameter estimation method are introduced .

【作者單位】： 中國人民大學(xué)信息學(xué)院經(jīng)濟(jì)信息管理系;中科院科技政策與管理科學(xué)研究所;
【分類號】：F830.9
【正文快照】： 自20世紀(jì)90年代以來,隨著計算機科技的不斷發(fā)展,針對各種高頻數(shù)據(jù)的記錄、獲取、存儲和處理的時間和金錢成本都有了大幅下降,從而使得高頻數(shù)據(jù)(尤其是金融高頻數(shù)據(jù))逐步走進(jìn)了人們的研究視野。與普通的低頻數(shù)據(jù)相比,高頻數(shù)據(jù)能夠表現(xiàn)出豐富的統(tǒng)計特征,保留數(shù)據(jù)本身的特性,可以，

本文編號：1389312