在經歷2015年異常波動陰影下,股指期貨波動性與風險管理研究尤為重要。資產波動率建模與預測是挖掘波動運行規(guī)律的有效方法,也是風險管理的基礎。近年來,已實現(xiàn)波動率研究邁出了新進展,它能同時分解成連續(xù)-跳躍波動、好-壞波動率;大數(shù)據(jù)環(huán)境下在線搜索量成為金融研究的新入口,深度學習的技術突破豐富了研究方法。本文以高頻波動率為主線,以跳躍、好壞波動率與投資者關注為核心變量,建模研究股指期貨波動性及尾部風險度量方法。在高頻波動率最新成果基礎上,運用計量建模、數(shù)據(jù)挖掘與深度學習等技術,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運行規(guī)律,構建了RV-EVT框架的尾部風險度量方法。本文主要內容及創(chuàng)新性結論:（1）提出了改進跳躍檢測法,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)健的檢驗統(tǒng)計量Z（lcrv-med）檢測日頻跳躍與分時跳躍,研究揭示股指期貨跳躍與跳躍持續(xù)期的牛熊非對稱性和周日歷效應。提出日內效應ACH和周內效應ACH模型刻畫跳躍持續(xù)期的動態(tài)性,有助于跟蹤股指期貨的跳躍性風險。本研究為資產價格異常波動的識別與風險跟蹤提供理論支持。（2）建... 

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

【文章頁數(shù)】：147 頁

【學位級別】：博士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 問題提出
        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 高頻波動率的理論建模研究
        1.3.2 高頻波動率的跳躍行為研究
        1.3.3 高頻波動率的預測建模研究
        1.3.4 高頻波動率的尾部風險研究
        1.3.5 投資者關注與人工智能應用
        1.3.6 研究現(xiàn)狀評述
    1.4 研究內容與方法
        1.4.1 研究內容
        1.4.2 研究方法
        1.4.3 研究路線
第2章 高頻波動率理論分析
    2.1 高頻波動率理論
        2.1.1 已實現(xiàn)波動率
        2.1.2 價格跳躍理論
        2.1.3 市場噪聲理論
    2.2 市場噪聲糾偏方法
        2.2.1 最優(yōu)抽樣頻率
        2.2.2 子抽樣方法
        2.2.3 核估計方法
        2.2.4 其它糾偏方法
    2.3 跳躍檢測方法
        2.3.1 BNS跳躍檢測法
        2.3.2 ABD跳躍檢測法
        2.3.3 CPR跳躍檢測法
        2.3.4 ADS跳躍檢測法
    2.4 實證分析
        2.4.1 抽樣頻率的選擇
        2.4.2 高頻波動率分析
        2.4.3 跳躍檢測法分析
    2.5 本章小結
第3章 牛熊狀態(tài)下股指期貨跳躍特征研究
    3.1 改進ADS跳躍檢測
        3.1.1 二次變差理論框架
        3.1.2 LCRV修正的ADS跳躍檢驗
        3.1.3 正負跳躍甄別方法
    3.2 基于擴展ACH跳躍持續(xù)期建模
        3.2.1 ACH模型
        3.2.2 周內效應ACH模型
        3.2.3 日內效應ACH模型
    3.3 實證分析
        3.3.1 數(shù)據(jù)說明與跳躍檢測
        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
    3.4 本章小結
第4章 基于好壞波動率的股指期貨波動性研究
    4.1 好壞波動率理論
        4.1.1 好壞波動率與符號跳躍
        4.1.2 好壞波動率的噪聲糾偏
        4.1.3 RK修正的ADS跳躍檢驗
    4.2 基于HAR框架的波動建模
        4.2.1 基于四次冪差的HAR擴展模型
        4.2.2 基于跳躍波動的HAR擴展模型
        4.2.3 基于好壞波動的HAR擴展模型
        4.2.4 基于符號跳躍的HAR擴展模型
    4.3 實證分析
        4.3.1 數(shù)據(jù)說明與波動分解
        4.3.2 正負跳躍與符號跳躍
        4.3.3 高頻波動率的交互效應
        4.3.4 HAR模型估計與波動運行規(guī)律
    4.4 本章小結
第5章 基于投資者關注的股指期貨波動性研究
    5.1 基于百度指數(shù)的HAR波動預測建模
        5.1.1 HAR擴展建模
        5.1.2 滾動預測與MCS檢驗
    5.2 基于百度指數(shù)的LSTM波動預測建模
        5.2.1 遞歸神經網(wǎng)絡
        5.2.2 深度學習LSTM結構
        5.2.3 LSTM波動預測建模
    5.3 實證分析
        5.3.1 數(shù)據(jù)說明與波動分解
        5.3.2 HAR模型估計與貢獻分析
        5.3.3 HAR模型的滾動預測評估
        5.3.4 LSTM模型的預測評估
    5.4 本章小結
第6章 基于高頻波動率的股指期貨尾部風險研究
    6.1 基于EVT的尾部風險度量
        6.1.1 風險價值和預期損失
        6.1.2 極值理論及統(tǒng)計分布
        6.1.3 VaR和ES的極值估計
    6.2 基于EVT的尾部風險預測建模
        6.2.1 基于C-EVT的尾部風險建模
        6.2.2 基于RV-EVT的尾部風險建模
        6.2.3 VaR與ES的檢驗方法
    6.3 實證分析
        6.3.1 數(shù)據(jù)說明與實證設計
        6.3.2 GPD模型的參數(shù)估計
        6.3.3 VaR和ES的回測分析
    6.4 本章小結
結論
參考文獻
數(shù)學符號
攻讀博士學位期間發(fā)表的論文及其它成果
致謝
個人簡歷


【參考文獻】：
期刊論文
[1]“大數(shù)據(jù)驅動金融創(chuàng)新論壇·2017”會議綜述[J].   金融理論探索. 2017(06)
[2]現(xiàn)貨市場異常波動下股指期貨交易限制對市場質量的影響分析[J]. 丁逸俊,馮蕓.  系統(tǒng)工程理論與實踐. 2017(10)
[3]下行風險、符號跳躍風險與行業(yè)組合資產定價[J]. 龔旭,文鳳華,黃創(chuàng)霞,楊曉光.  中國管理科學. 2017(10)
[4]基于SV-POT-TDRM的滬深300股指期貨尾部風險研究[J]. 秦學志,郭明,宋宇.  系統(tǒng)管理學報. 2017(05)
[5]高頻數(shù)據(jù)下基于PGARCH模型的VaR估計方法及應用[J]. 樊鵬英,蘭勇,陳敏.  系統(tǒng)工程理論與實踐. 2017(08)
[6]基于R-vine copula的原油市場極端風險動態(tài)測度研究[J]. 楊坤,于文華,魏宇.  中國管理科學. 2017(08)
[7]深度學習的金融實證應用:動態(tài)、貢獻與展望[J]. 蘇治,盧曼,李德軒.  金融研究. 2017(05)
[8]社交網(wǎng)絡、投資者關注與股價同步性[J]. 劉海飛,許金濤,柏巍,李心丹.  管理科學學報. 2017(02)
[9]基于單因子MSV-CoVaR模型的金融市場風險溢出度量研究[J]. 陳九生,周孝華.  中國管理科學. 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)已實現(xiàn)波動率模型研究[J]. 瞿慧,程思逸.  中國管理科學. 2016(12)

博士論文
[1]基于高頻數(shù)據(jù)的滬深300股指期貨波動率度量方法及應用[D]. 任德平.湖南大學 2013
[2]金融市場風險的尾部估計和極值度量[D]. 王魯非.吉林大學 2011
[3]金融資產價格跳躍行為研究[D]. 鄭仲民.天津大學 2011
[4]基于市場微觀結構噪聲和跳躍的金融高頻數(shù)據(jù)波動研究[D]. 王芳.西南財經大學 2011



本文編號：3398748