金融市場(chǎng)高頻/超高頻時(shí)間序列的分析與建模是金融計(jì)量學(xué)一個(gè)全新的研究領(lǐng)域。高頻時(shí)間序列通常是指以小時(shí)、分鐘甚至秒為頻率所采集的金融類數(shù)據(jù);而超高頻時(shí)間序列是記錄金融市場(chǎng)每筆交易的數(shù)據(jù)。本論文主要研究了金融市場(chǎng)高頻時(shí)間序列和超高頻時(shí)間序列的特性、建模以及應(yīng)用問題。本文的主要?jiǎng)?chuàng)新工作如下: 1、通過對(duì)上證指數(shù)和深圳成份指數(shù)的高頻時(shí)間序列的實(shí)證研究發(fā)現(xiàn):與低頻時(shí)間序列不同,金融市場(chǎng)高頻時(shí)間序列往往具有高的偏度和峰度、具有負(fù)的一階自相關(guān)性、具有穩(wěn)定的“日歷效應(yīng)”現(xiàn)象; 2、利用彈性傅立葉形式回歸（FFF）技術(shù)對(duì)上海股市高頻時(shí)間序列的“日歷效應(yīng)”進(jìn)行了定量研究,發(fā)現(xiàn)與日本股市不同,上海股市的波動(dòng)呈現(xiàn)日內(nèi)單“U”型走勢(shì)。接著,在彈性傅立葉回歸（FFF）的基礎(chǔ)上對(duì)上海股市冬夏兩季的波動(dòng)水平和模式的異同進(jìn)行了檢驗(yàn)。最后,在使用彈性傅立葉形式（FFF）回歸技術(shù)對(duì)“日歷效應(yīng)”濾波的基礎(chǔ)上,對(duì)上證綜指的高頻時(shí)間序列建立了長記憶 SV 模型,發(fā)現(xiàn)與低頻時(shí)間序列不同,高頻時(shí)間序列往往具有低的波動(dòng)持續(xù)性; 3、主要對(duì)基于高頻時(shí)間序列的“已實(shí)現(xiàn)”波動(dòng)進(jìn)行了深入地研究。針對(duì)國際文獻(xiàn)中“已實(shí)現(xiàn)”波動(dòng)的計(jì)算中測(cè)量誤差過大的... 

【文章來源】：天津大學(xué)天津市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：131 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
第一章：緒論
    1.1 論文的研究背景
        1.1.1 時(shí)間序列研究的歷史
    1.2 問題的提出
        1.2.1 高頻時(shí)間序列的日內(nèi)周期特征――“日歷效應(yīng)”研究
        1.2.2 波動(dòng)率的又一測(cè)度方法――“已實(shí)現(xiàn)”波動(dòng)
        1.2.3 超高頻時(shí)間序列的研究
        1.2.4 非參數(shù)方法在高頻時(shí)間序列研究中的應(yīng)用
    1.3 本文的選題依據(jù)、內(nèi)容結(jié)構(gòu)和創(chuàng)新
        1.3.1 本文的選題依據(jù)
        1.3.2 本文的內(nèi)容結(jié)構(gòu)
        1.3.3 本文的創(chuàng)新點(diǎn)
    1.4 研究工具、研究方法和數(shù)據(jù)來源
        1.4.1 研究工具和研究方法
        1.4.2 數(shù)據(jù)來源
第二章：國內(nèi)外高頻/超高頻時(shí)間序列研究狀況述評(píng)
    2.1 高頻金融時(shí)間序列研究的模型化方法
        2.1.1 問題的起源
        2.1.2 弱GARCH 模型和HARCH 模型
        2.1.3 對(duì)模型化方法的評(píng)價(jià)
    2.2 基于高頻金融時(shí)間序列的“日歷效應(yīng)”研究
        2.2.1 問題的起源
        2.2.2 “日歷效應(yīng)”的實(shí)證
        2.2.3 “日歷效應(yīng)”的理論解釋
        2.2.4 對(duì)“日歷效應(yīng)”研究的評(píng)價(jià)
    2.3 高頻時(shí)間序列的“已實(shí)現(xiàn)”波動(dòng)率
        2.3.1 問題的起源
        2.3.2 “已實(shí)現(xiàn)”波動(dòng)研究綜述
        2.3.3 “已實(shí)現(xiàn)”波動(dòng)研究述評(píng)
    2.4 超高頻時(shí)間序列與ACD 模型
        2.4.1 問題的起源
        2.4.2 ACD 模型研究綜述
        2.4.3 超高頻時(shí)間序列研究的述評(píng)
    2.5 高頻金融時(shí)間序列研究中目前存在的問題
    2.6 本章小結(jié)
第三章：高頻金融時(shí)間序列的初步統(tǒng)計(jì)
    3.1 本章使用的變量
    3.2 不同頻率下時(shí)間序列的四個(gè)矩的統(tǒng)計(jì)特性
        3.2.1 四個(gè)矩統(tǒng)計(jì)量
        3.2.2 統(tǒng)計(jì)分析
    3.3 一階負(fù)相關(guān)的檢驗(yàn)
        3.3.1 增廣迪基－富勒檢驗(yàn)
        3.3.2 方差比檢驗(yàn)方法
    3.4 高頻時(shí)間序列“日歷效應(yīng)”的初步研究
    3.5 本章小結(jié)
第四章：高頻金融時(shí)間序列“日歷效應(yīng)”研究
    4.1 高頻金融時(shí)間序列“日歷效應(yīng)”的估計(jì)
        4.1.1 “日歷效應(yīng)”及研究意義
        4.1.2 刻畫“日歷效應(yīng)”的方法：彈性傅立葉形式（FFF）回歸
        4.1.3 周末效應(yīng)和重大事件效應(yīng)的刻畫
        4.1.4 “日歷效應(yīng)”估計(jì)的實(shí)證
    4.2 “日歷效應(yīng)”異同的假設(shè)檢驗(yàn)
        4.2.1 “日歷效應(yīng)”異同的檢驗(yàn)方法
        4.2.2 “日歷效應(yīng)”異同檢驗(yàn)的實(shí)證
    4.3 高頻金融時(shí)間序列的長記憶SV模型分析
        4.3.1 利用FFF 回歸消除高頻時(shí)間序列的“日歷效應(yīng)”
        4.3.2 波動(dòng)長記憶性及其檢驗(yàn)
        4.3.3 長記憶SV 模型及其估計(jì)
        4.3.4 高頻時(shí)間序列的長記憶SV 模型實(shí)證分析
    4.4 本章小結(jié)
第五章：基于高頻金融時(shí)間序列的“已實(shí)現(xiàn)”波動(dòng)研究
    5.1 調(diào)整“已實(shí)現(xiàn)”波動(dòng)率的特性與建模
        5.1.1 “已實(shí)現(xiàn)”波動(dòng)率的理論基礎(chǔ)
        5.1.2 測(cè)量誤差和微觀結(jié)構(gòu)誤差
        5.1.3 國外成熟市場(chǎng)“已實(shí)現(xiàn)”波動(dòng)的特性
        5.1.4 ARFIMA 模型，預(yù)測(cè)與估計(jì)
        5.1.5 考慮“杠桿”效應(yīng)的ARFIMAX 模型
        5.1.6 實(shí)證分析
    5.2 調(diào)整“已實(shí)現(xiàn)”波動(dòng)率與GARCH 及SV 模型的預(yù)測(cè)能力比較
        5.2.1 積分波動(dòng)率、“已實(shí)現(xiàn)”波動(dòng)率、調(diào)整“已實(shí)現(xiàn)”波動(dòng)率
        5.2.2 GARCH 模型與SV 模型及估計(jì)方法
        5.2.3 評(píng)價(jià)預(yù)測(cè)能力的標(biāo)準(zhǔn)
        5.2.4 實(shí)證研究
    5.3 基于多維高頻時(shí)間序列的“已實(shí)現(xiàn)”協(xié)方差陣及建模
        5.3.1 “已實(shí)現(xiàn)”協(xié)方差陣及其性質(zhì)
        5.3.2 “已實(shí)現(xiàn)”協(xié)方差陣的建模
        5.3.3 實(shí)證研究
    5.4 本章小結(jié)
第六章：超高頻金融時(shí)間序列的建模及其在市場(chǎng)微觀結(jié)構(gòu)研究中的應(yīng)用
    6.1 超高頻時(shí)間序列及建模
        6.1.1 超高頻時(shí)間序列及數(shù)據(jù)調(diào)整
        6.1.2 ACD 模型體系
        6.1.3 UHF-GARCH 模型
    6.2 股市微觀結(jié)構(gòu)超高頻時(shí)間序列分析
        6.2.1 本節(jié)的研究內(nèi)容
        6.2.2 實(shí)證分析
    6.3 本章小結(jié)
第七章：非參數(shù)處理技術(shù)在高頻金融時(shí)間序列研究中的應(yīng)用
    7.1 高頻時(shí)間序列“日歷效應(yīng)”的小波神經(jīng)網(wǎng)路分析
        7.1.1 分析過程
        7.1.2 小波神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
        7.1.3 實(shí)證分析
    7.2 本章小結(jié)
第八章 總結(jié)與展望
    8.1 全文工作總結(jié)
        8.1.1 “日歷效應(yīng)”的研究
        8.1.2 “已實(shí)現(xiàn)”波動(dòng)研究
        8.1.3 超高頻時(shí)間序列與市場(chǎng)微觀結(jié)構(gòu)
    8.2 高頻/超高頻金融時(shí)間序列的研究展望
參考文獻(xiàn)
攻讀碩士期間發(fā)表論文與參加科研項(xiàng)目情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]具有結(jié)構(gòu)轉(zhuǎn)換的GARCH模型及其在中國股市中的應(yīng)用[J]. 孫金麗,張世英.  系統(tǒng)工程. 2003(06)
[2]分整增廣GARCH-M模型[J]. 柯珂,張世英.  系統(tǒng)工程學(xué)報(bào). 2003(01)
[3]金融波動(dòng)持續(xù)性的研究[J]. 樊智,張世英.  預(yù)測(cè). 2003(01)
[4]微觀結(jié)構(gòu)、市場(chǎng)深度與非對(duì)稱信息:對(duì)上海股市日內(nèi)流動(dòng)性模式的一個(gè)解釋[J]. 楊朝軍,孫培源,施東暉.  世界經(jīng)濟(jì). 2002(11)
[5]SV與GARCH模型對(duì)金融時(shí)間序列刻畫能力的比較研究[J]. 余素紅,張世英.  系統(tǒng)工程. 2002(05)
[6]微觀結(jié)構(gòu)、流動(dòng)性與買賣價(jià)差:一個(gè)基于上海股市的經(jīng)驗(yàn)研究[J]. 孫培源,施東暉.  世界經(jīng)濟(jì). 2002(04)



本文編號(hào)：3136093