【摘要】：隨著計算技術(shù)的發(fā)展和信息傳遞速度的提高以及人們對投機性的重視，人們對高頻數(shù)據(jù)也越來越重視，學(xué)者們開始注重對股市高頻數(shù)據(jù)的研究。基于高頻數(shù)據(jù)討論金融中極端風(fēng)險管理對金融監(jiān)管部門和金融機構(gòu)來說，會提高防范極端事件發(fā)生的時效性，加強度量風(fēng)險的精確度。本文基于上證綜指和深證綜指2011年11月份的逐秒數(shù)據(jù)對我國證券市場的高頻數(shù)據(jù)極值進行分析，應(yīng)用金融時間序列的方法研究我國證券市場高頻數(shù)據(jù)極值的均衡關(guān)系、波動性特征、分布特征及風(fēng)險性度量。以高頻數(shù)據(jù)極值為切入點是研究我國證券市場微觀結(jié)果問題的新嘗試。 研究內(nèi)容主要包括：（1）中國證券市場日內(nèi)不同頻率數(shù)據(jù)的統(tǒng)計特征、分布特征及其變化規(guī)律（2）通過誤差修正模型以及GARCH模型研究我國證券市場中高頻數(shù)據(jù)均衡關(guān)系及其波動性，比較不同頻率下極值到收盤價格的調(diào)整系數(shù)的變化規(guī)律，對比了深圳綜指高頻極值的GARCH（1,1）與GARCH-M的擬合效果，觀察上證綜指與深圳綜指極值之間的溢出效應(yīng)及相互影響（3）建立了上證綜指日內(nèi)各個頻率極值序列的廣義極值分布模型，尋找分布參數(shù)隨著不同頻率變化的特點，找到高頻數(shù)據(jù)分布的性質(zhì)，觀察對基于秒的高頻數(shù)據(jù)下得最好擬合分布，在廣義極值分布下觀察不同頻率下的VaR；通過POT模型和Hill模型對我國股市局部極端市場條件下的高頻數(shù)據(jù)進行風(fēng)險度量研究。 論文主要分為四個部分： 第1章，引言。這一章以高頻數(shù)據(jù)為切入點，討論了研究金融市場中極端事件的背景和意義，回顧和總結(jié)了高頻數(shù)據(jù)在金融領(lǐng)域的使用范圍和方法，高頻數(shù)據(jù)在波動性方面的發(fā)展和取得的成果，高頻數(shù)據(jù)極值的研究歷程和目前取得的成果。 第2章，中國證券市場高頻數(shù)據(jù)的典型特征。隨著對高頻數(shù)據(jù)的深入研究，對其知識的積累，人們發(fā)現(xiàn)一些金融高頻數(shù)據(jù)的典型特征，本文對金融高頻數(shù)據(jù)的典型特征進行了總結(jié)，以上證綜指為例對不同頻率的高頻收益率進行了統(tǒng)計性研究，發(fā)現(xiàn)日以內(nèi)頻率的收益均是平穩(wěn)序列，，峰度都大于3，偏度小于0，顯示了明顯的“尖峰左尾”現(xiàn)象，為下文對不同頻率的高頻收益率進行模型分析做好了鋪墊。 第3章，上證綜指與深圳綜指高頻極值的關(guān)聯(lián)特征。本章首先討論了上證綜指不同頻率下極值與收盤價的均衡關(guān)系，詳細介紹了上證綜指15秒極大值、極小值與收盤價的長短期均衡關(guān)系，同理研究了其他頻率下極值與收盤價的均衡關(guān)系，結(jié)果發(fā)現(xiàn)不同頻率下極值到收盤價格的調(diào)整系數(shù)服從周期運動，說明頻率的選擇會影響投資者的投資決策，極大值和極小值到達收盤價的均衡關(guān)系并不對稱，驗證了我國股市存在“跌的力度大于漲的力度”現(xiàn)象。之后本章研究了上證綜指與深圳綜指極值的波動性，通過GARCH模型比較發(fā)現(xiàn)GARCH（1,1）能更好的刻畫兩個市場極值的波動性。最后研究了上證綜指與深圳綜指極值在二階矩意義上的“溢出效應(yīng)”，結(jié)果發(fā)現(xiàn)深圳證券交易所對上海證券交易所反映迅速，所受影響比較深遠，上海證券交易所對深圳證券交易所反映滯后。 第4章，基于極值理論的風(fēng)險性研究。在這一章中通過極值理論的三種方法：廣義極值分布、POT模型和Hill估計刻畫了上證綜指不同頻率下極值收益率的分布特點，對極端市場條件下的高頻數(shù)據(jù)進行了風(fēng)險度量。結(jié)果發(fā)現(xiàn)Hill估計與廣義極值分布下VaR度量相近。 建立了上證綜指日內(nèi)各個頻率極值序列的廣義極值分布模型，尋找分布參數(shù)隨著不同頻率變化的特點，觀察對基于秒的高頻數(shù)據(jù)下得最好擬合分布，在廣義極值分布下觀察不同頻率下的VaR。通過最大似然估計得到各個分塊下分布的參數(shù)，發(fā)現(xiàn)尺度參數(shù)和位置參數(shù)都是逐漸增加的，形狀參數(shù)圍繞在0.2附近，形狀參數(shù)的置信區(qū)間變化不大。進一步分析擬合后的分布殘差發(fā)現(xiàn)，5分鐘和10分鐘分塊下的廣義極值分布擬合更好。在分析刷新紀(jì)錄概率時發(fā)現(xiàn)在股票交易過程中交易頻率的參考準(zhǔn)則可考慮30分鐘或以上。最后計算了廣義極值分布下的VaR0.99和VaR0.95，發(fā)現(xiàn)隨著隨著塊容量的加大，風(fēng)險價值也在不斷增加；通過POT模型對上證綜指15秒高頻收盤價格的收益進行了分析，在超額均值圖中發(fā)現(xiàn)門限為0.03，通過廣義帕累托分布估計了模型參數(shù)，發(fā)現(xiàn)形狀參數(shù)和廣義極值分布下10分鐘的形狀參數(shù)極其接近，GPD診斷圖說明擬合較好，最后計算了上證綜指15秒收益的VaR和ES并和正態(tài)分布下的VaR、ES進行了比較，結(jié)果發(fā)現(xiàn)正態(tài)分布低估了風(fēng)險；在Hill估計下上證綜指15秒高頻收盤價格收益率的門限在0.03附近，99%分位數(shù)的Hill估計在0.079附近，和前面GEV分布中擬合最好的10分鐘VaR估計結(jié)果很接近，95%分位數(shù)的Hill估計維持在0.0453附近。
[Abstract]:......
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2012
【分類號】：F224;F832.51

【參考文獻】

相關(guān)期刊論文 前10條

1 鞏蘭杰;;流動性與波動性動態(tài)關(guān)系研究[J];北京航空航天大學(xué)學(xué)報(社會科學(xué)版);2009年02期

2 王春峰;周嵐;房振明;張亞楠;;同行業(yè)股票價格發(fā)現(xiàn)的實證研究——基于知情交易假設(shè)下日內(nèi)高頻數(shù)據(jù)的實證分析[J];北京理工大學(xué)學(xué)報(社會科學(xué)版);2010年02期

3 常寧,徐國祥;金融高頻數(shù)據(jù)分析的現(xiàn)狀與問題研究[J];財經(jīng)研究;2004年03期

4 王慧敏,劉國光;基于極值理論的滬深股市VaR和CVaR分析[J];財貿(mào)研究;2005年02期

5 文鳳華;劉文井;楊曉光;;滬深300指數(shù)期貨與現(xiàn)貨市場的動態(tài)關(guān)聯(lián)性研究——基于2010年4月16日以來的高頻數(shù)據(jù)[J];長沙理工大學(xué)學(xué)報(社會科學(xué)版);2011年02期

6 徐正國,張世英;調(diào)整"已實現(xiàn)"波動率與GARCH及SV模型對波動的預(yù)測能力的比較研究[J];系統(tǒng)工程;2004年08期

7 唐勇;張世英;;高頻數(shù)據(jù)的加權(quán)已實現(xiàn)極差波動及其實證分析[J];系統(tǒng)工程;2006年08期

8 王春峰;盧濤;房振明;;基于價格離散選擇模型的中國股市價格行為特征研究[J];管理工程學(xué)報;2008年01期

9 魏宇;;中國股票市場的最優(yōu)波動率預(yù)測模型研究——基于滬深300指數(shù)高頻數(shù)據(jù)的實證分析[J];管理學(xué)報;2010年06期

10 余德建;吳應(yīng)宇;周偉;孟筍;;金融超高頻數(shù)據(jù)研究新進展[J];華南理工大學(xué)學(xué)報(社會科學(xué)版);2011年01期

相關(guān)博士學(xué)位論文 前1條

1 梁朝暉;中國股票市場流動性風(fēng)險溢價研究[D];天津大學(xué);2004年

相關(guān)碩士學(xué)位論文 前5條

1 徐斌;基于改進的GARCH模型預(yù)測風(fēng)險的研究[D];湖北工業(yè)大學(xué);2011年

2 謝家泉;高頻數(shù)據(jù)模型及其在VaR中的應(yīng)用研究[D];湖南大學(xué);2005年

3 韓鐵;金融市場（超）高頻數(shù)據(jù)建模及與低頻數(shù)據(jù)對比研究[D];天津大學(xué);2006年

4 龍金茹;中國股票市場高頻數(shù)據(jù)典型性特征實證研究[D];電子科技大學(xué);2007年

5 劉寅飛;基于高頻數(shù)據(jù)的股指期貨ETF套利研究[D];江蘇大學(xué);2010年

本文編號：2409440