在經(jīng)歷2015年異常波動(dòng)陰影下,股指期貨波動(dòng)性與風(fēng)險(xiǎn)管理研究尤為重要。資產(chǎn)波動(dòng)率建模與預(yù)測(cè)是挖掘波動(dòng)運(yùn)行規(guī)律的有效方法,也是風(fēng)險(xiǎn)管理的基礎(chǔ)。近年來(lái),已實(shí)現(xiàn)波動(dòng)率研究邁出了新進(jìn)展,它能同時(shí)分解成連續(xù)-跳躍波動(dòng)、好-壞波動(dòng)率;大數(shù)據(jù)環(huán)境下在線搜索量成為金融研究的新入口,深度學(xué)習(xí)的技術(shù)突破豐富了研究方法。本文以高頻波動(dòng)率為主線,以跳躍、好壞波動(dòng)率與投資者關(guān)注為核心變量,建模研究股指期貨波動(dòng)性及尾部風(fēng)險(xiǎn)度量方法。在高頻波動(dòng)率最新成果基礎(chǔ)上,運(yùn)用計(jì)量建模、數(shù)據(jù)挖掘與深度學(xué)習(xí)等技術(shù),建模研究了股指期貨牛熊跳躍特征,提出了HAR類模型和LSTM類模型挖掘股指波動(dòng)運(yùn)行規(guī)律,構(gòu)建了RV-EVT框架的尾部風(fēng)險(xiǎn)度量方法。本文主要內(nèi)容及創(chuàng)新性結(jié)論:（1）提出了改進(jìn)跳躍檢測(cè)法,建模研究了股指期貨跳躍的牛熊特征�？紤]隔夜收益率影響,建立了更穩(wěn)健的檢驗(yàn)統(tǒng)計(jì)量Z（lcrv-med）檢測(cè)日頻跳躍與分時(shí)跳躍,研究揭示股指期貨跳躍與跳躍持續(xù)期的牛熊非對(duì)稱性和周日歷效應(yīng)。提出日內(nèi)效應(yīng)ACH和周內(nèi)效應(yīng)ACH模型刻畫跳躍持續(xù)期的動(dòng)態(tài)性,有助于跟蹤股指期貨的跳躍性風(fēng)險(xiǎn)。本研究為資產(chǎn)價(jià)格異常波動(dòng)的識(shí)別與風(fēng)險(xiǎn)跟蹤提供理論支持。（2）建... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：147 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 問(wèn)題提出
        1.1.1 研究背景
        1.1.2 研究目的
        1.1.3 研究意義
    1.2 研究界定
        1.2.1 相關(guān)概念界定
        1.2.2 研究范圍界定
    1.3 研究現(xiàn)狀
        1.3.1 高頻波動(dòng)率的理論建模研究
        1.3.2 高頻波動(dòng)率的跳躍行為研究
        1.3.3 高頻波動(dòng)率的預(yù)測(cè)建模研究
        1.3.4 高頻波動(dòng)率的尾部風(fēng)險(xiǎn)研究
        1.3.5 投資者關(guān)注與人工智能應(yīng)用
        1.3.6 研究現(xiàn)狀評(píng)述
    1.4 研究?jī)?nèi)容與方法
        1.4.1 研究?jī)?nèi)容
        1.4.2 研究方法
        1.4.3 研究路線
第2章 高頻波動(dòng)率理論分析
    2.1 高頻波動(dòng)率理論
        2.1.1 已實(shí)現(xiàn)波動(dòng)率
        2.1.2 價(jià)格跳躍理論
        2.1.3 市場(chǎng)噪聲理論
    2.2 市場(chǎng)噪聲糾偏方法
        2.2.1 最優(yōu)抽樣頻率
        2.2.2 子抽樣方法
        2.2.3 核估計(jì)方法
        2.2.4 其它糾偏方法
    2.3 跳躍檢測(cè)方法
        2.3.1 BNS跳躍檢測(cè)法
        2.3.2 ABD跳躍檢測(cè)法
        2.3.3 CPR跳躍檢測(cè)法
        2.3.4 ADS跳躍檢測(cè)法
    2.4 實(shí)證分析
        2.4.1 抽樣頻率的選擇
        2.4.2 高頻波動(dòng)率分析
        2.4.3 跳躍檢測(cè)法分析
    2.5 本章小結(jié)
第3章 牛熊狀態(tài)下股指期貨跳躍特征研究
    3.1 改進(jìn)ADS跳躍檢測(cè)
        3.1.1 二次變差理論框架
        3.1.2 LCRV修正的ADS跳躍檢驗(yàn)
        3.1.3 正負(fù)跳躍甄別方法
    3.2 基于擴(kuò)展ACH跳躍持續(xù)期建模
        3.2.1 ACH模型
        3.2.2 周內(nèi)效應(yīng)ACH模型
        3.2.3 日內(nèi)效應(yīng)ACH模型
    3.3 實(shí)證分析
        3.3.1 數(shù)據(jù)說(shuō)明與跳躍檢測(cè)
        3.3.2 顯著跳躍的分布特征
        3.3.3 跳躍持續(xù)期特征分析
        3.3.4 跳躍持續(xù)期模型估計(jì)
    3.4 本章小結(jié)
第4章 基于好壞波動(dòng)率的股指期貨波動(dòng)性研究
    4.1 好壞波動(dòng)率理論
        4.1.1 好壞波動(dòng)率與符號(hào)跳躍
        4.1.2 好壞波動(dòng)率的噪聲糾偏
        4.1.3 RK修正的ADS跳躍檢驗(yàn)
    4.2 基于HAR框架的波動(dòng)建模
        4.2.1 基于四次冪差的HAR擴(kuò)展模型
        4.2.2 基于跳躍波動(dòng)的HAR擴(kuò)展模型
        4.2.3 基于好壞波動(dòng)的HAR擴(kuò)展模型
        4.2.4 基于符號(hào)跳躍的HAR擴(kuò)展模型
    4.3 實(shí)證分析
        4.3.1 數(shù)據(jù)說(shuō)明與波動(dòng)分解
        4.3.2 正負(fù)跳躍與符號(hào)跳躍
        4.3.3 高頻波動(dòng)率的交互效應(yīng)
        4.3.4 HAR模型估計(jì)與波動(dòng)運(yùn)行規(guī)律
    4.4 本章小結(jié)
第5章 基于投資者關(guān)注的股指期貨波動(dòng)性研究
    5.1 基于百度指數(shù)的HAR波動(dòng)預(yù)測(cè)建模
        5.1.1 HAR擴(kuò)展建模
        5.1.2 滾動(dòng)預(yù)測(cè)與MCS檢驗(yàn)
    5.2 基于百度指數(shù)的LSTM波動(dòng)預(yù)測(cè)建模
        5.2.1 遞歸神經(jīng)網(wǎng)絡(luò)
        5.2.2 深度學(xué)習(xí)LSTM結(jié)構(gòu)
        5.2.3 LSTM波動(dòng)預(yù)測(cè)建模
    5.3 實(shí)證分析
        5.3.1 數(shù)據(jù)說(shuō)明與波動(dòng)分解
        5.3.2 HAR模型估計(jì)與貢獻(xiàn)分析
        5.3.3 HAR模型的滾動(dòng)預(yù)測(cè)評(píng)估
        5.3.4 LSTM模型的預(yù)測(cè)評(píng)估
    5.4 本章小結(jié)
第6章 基于高頻波動(dòng)率的股指期貨尾部風(fēng)險(xiǎn)研究
    6.1 基于EVT的尾部風(fēng)險(xiǎn)度量
        6.1.1 風(fēng)險(xiǎn)價(jià)值和預(yù)期損失
        6.1.2 極值理論及統(tǒng)計(jì)分布
        6.1.3 VaR和ES的極值估計(jì)
    6.2 基于EVT的尾部風(fēng)險(xiǎn)預(yù)測(cè)建模
        6.2.1 基于C-EVT的尾部風(fēng)險(xiǎn)建模
        6.2.2 基于RV-EVT的尾部風(fēng)險(xiǎn)建模
        6.2.3 VaR與ES的檢驗(yàn)方法
    6.3 實(shí)證分析
        6.3.1 數(shù)據(jù)說(shuō)明與實(shí)證設(shè)計(jì)
        6.3.2 GPD模型的參數(shù)估計(jì)
        6.3.3 VaR和ES的回測(cè)分析
    6.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
數(shù)學(xué)符號(hào)
攻讀博士學(xué)位期間發(fā)表的論文及其它成果
致謝
個(gè)人簡(jiǎn)歷


【參考文獻(xiàn)】：
期刊論文
[1]“大數(shù)據(jù)驅(qū)動(dòng)金融創(chuàng)新論壇·2017”會(huì)議綜述[J].   金融理論探索. 2017(06)
[2]現(xiàn)貨市場(chǎng)異常波動(dòng)下股指期貨交易限制對(duì)市場(chǎng)質(zhì)量的影響分析[J]. 丁逸俊,馮蕓.  系統(tǒng)工程理論與實(shí)踐. 2017(10)
[3]下行風(fēng)險(xiǎn)、符號(hào)跳躍風(fēng)險(xiǎn)與行業(yè)組合資產(chǎn)定價(jià)[J]. 龔旭,文鳳華,黃創(chuàng)霞,楊曉光.  中國(guó)管理科學(xué). 2017(10)
[4]基于SV-POT-TDRM的滬深300股指期貨尾部風(fēng)險(xiǎn)研究[J]. 秦學(xué)志,郭明,宋宇.  系統(tǒng)管理學(xué)報(bào). 2017(05)
[5]高頻數(shù)據(jù)下基于PGARCH模型的VaR估計(jì)方法及應(yīng)用[J]. 樊鵬英,蘭勇,陳敏.  系統(tǒng)工程理論與實(shí)踐. 2017(08)
[6]基于R-vine copula的原油市場(chǎng)極端風(fēng)險(xiǎn)動(dòng)態(tài)測(cè)度研究[J]. 楊坤,于文華,魏宇.  中國(guó)管理科學(xué). 2017(08)
[7]深度學(xué)習(xí)的金融實(shí)證應(yīng)用:動(dòng)態(tài)、貢獻(xiàn)與展望[J]. 蘇治,盧曼,李德軒.  金融研究. 2017(05)
[8]社交網(wǎng)絡(luò)、投資者關(guān)注與股價(jià)同步性[J]. 劉海飛,許金濤,柏巍,李心丹.  管理科學(xué)學(xué)報(bào). 2017(02)
[9]基于單因子MSV-CoVaR模型的金融市場(chǎng)風(fēng)險(xiǎn)溢出度量研究[J]. 陳九生,周孝華.  中國(guó)管理科學(xué). 2017(01)
[10]考慮成分股聯(lián)跳與宏觀信息發(fā)布的滬深300指數(shù)已實(shí)現(xiàn)波動(dòng)率模型研究[J]. 瞿慧,程思逸.  中國(guó)管理科學(xué). 2016(12)

博士論文
[1]基于高頻數(shù)據(jù)的滬深300股指期貨波動(dòng)率度量方法及應(yīng)用[D]. 任德平.湖南大學(xué) 2013
[2]金融市場(chǎng)風(fēng)險(xiǎn)的尾部估計(jì)和極值度量[D]. 王魯非.吉林大學(xué) 2011
[3]金融資產(chǎn)價(jià)格跳躍行為研究[D]. 鄭仲民.天津大學(xué) 2011
[4]基于市場(chǎng)微觀結(jié)構(gòu)噪聲和跳躍的金融高頻數(shù)據(jù)波動(dòng)研究[D]. 王芳.西南財(cái)經(jīng)大學(xué) 2011



本文編號(hào)：3398748