【摘要】：資產(chǎn)價格跳躍行為已成為當前市場微觀結(jié)構(gòu)理論中一個重要的研究方向。資產(chǎn)價格的跳躍現(xiàn)象直接影響波動率的估計和預(yù)測的準確程度,繼而對資產(chǎn)配置和風險管理產(chǎn)生重大影響,并促使傳統(tǒng)的計量模型和方法必須進行深刻調(diào)整。隨著資產(chǎn)價格行為研究的精細化和微觀化,跳躍問題是必須攻克的障礙,對其深入研究具有深刻的理論意義。分析我國證券市場的跳躍特征,進而揭示價格發(fā)現(xiàn)的本質(zhì),對于完善交易機制,提高市場效率具有重大的現(xiàn)實意義。 本文在證券市場微觀結(jié)構(gòu)理論視角下,沿用廣義p冪次變差的主流研究框架,系統(tǒng)全面地對跳躍存在條件下波動率的估計、廣義跳躍行為有效辨識、收益率跳躍性尾部分布的刻畫,以及跳躍風險定價等問題進行理論和實證研究。具體內(nèi)容如下: 1、跳躍存在條件下資產(chǎn)價格“已實現(xiàn)”核波動研究。分別考察“已實現(xiàn)”核波動(RK)、“已實現(xiàn)”波動(RV)方法的估計精度,結(jié)果表明:RK方法能有效濾出市場不連續(xù)因素的干擾,使結(jié)果更貼近于真實波動率。進一步,構(gòu)造RK-AFRIMA模型,修改了分數(shù)階差分算法,基于高頻數(shù)據(jù)對我國證券市場的日波動率進行估計和預(yù)測,得到結(jié)論:RK方法在中國市場條件下具有較好的適用性,相對于RV有更好的預(yù)測效果。 2、跳躍行為非參數(shù)辨識方法研究。首先從理論上對BNS方法與閾值p冪次變差方法(TMPV)對廣義跳躍行為的辨識能力進行了深入的比較研究。得到結(jié)論:BNS方法只適用于相對較低的高頻數(shù)據(jù)段上,對有限活躍跳躍行為進行辨識;而TMPV方法基于超高頻數(shù)據(jù)可以實現(xiàn)對廣義跳躍行為的刻畫。接下來,對TMPV廣義跳躍系列研究問題中存在的閾值時變性缺陷進行了改進,對廣義跳躍行為研究中存在的采樣頻率依賴問題進行了實證分析,結(jié)合實證結(jié)果對原因進行了初步討論。 3、基于信息結(jié)構(gòu)的跳躍行為價格發(fā)現(xiàn)研究�？疾熘卮笮畔⑷谌胭Y產(chǎn)價格形成跳躍現(xiàn)象的動態(tài)演化過程,得到結(jié)論:跳躍行為是信息瞬間完全融入的激烈的價格發(fā)現(xiàn)形式,同時對未來收益率沒有顯著影響,因此無資產(chǎn)定價能力。進一步構(gòu)造了誘發(fā)跳躍行為的信息分布度量模型,對中國證券市場不同類型股票的信息分布不平衡水平進行了刻畫,并對其因子定價問題進行了研究,結(jié)果發(fā)現(xiàn):對于整體市場來說,跳躍信息分布作為定價因子是有解釋力的,除了大盤股之外,跳躍信息分布對收益產(chǎn)生的都是負效應(yīng),其根本原因在于我國股市高投機性的交易行為,對于信息風險不要求補償。 4、中國證券市場跳躍風險與定價問題研究。從信息驅(qū)動的有限活躍跳躍行為出發(fā),從股票價格數(shù)據(jù)中提取、剝離跳躍過程,分析其主要統(tǒng)計特征,在此基礎(chǔ)上對中國證券市場不同類型個股跳躍行為特點進行討論。接下來,構(gòu)造跳躍風險定價的因子模型,將市場風險進行有效分解,對不同成分的風險特征、比例關(guān)系以及作用效果進行系統(tǒng)性研究。 5、資產(chǎn)收益率分布尾部跳躍成分研究�；跁r間序列極值理論對資產(chǎn)收益率跳躍性尾部建立廣義Pareto分布模型,在放松獨立同分布假設(shè)下實現(xiàn)了對跳躍性尾部分布特征的刻畫。通過對中國證券市場資產(chǎn)日內(nèi)跳躍性尾部收益的研究,深刻剖析了投資者構(gòu)成、投資者行為與尾部結(jié)構(gòu)之間的相互作用機制。進一步,構(gòu)造極值VaR與ES風險測度,對中國市場資產(chǎn)收益率跳躍性尾部風險特征進行研究。
【學位授予單位】：天津大學
【學位級別】：博士
【學位授予年份】：2011
【分類號】：F224;F832.51
【圖文】：

-a“已實現(xiàn)”波動統(tǒng)計分布

-b對數(shù)“已實現(xiàn)”波動統(tǒng)計分布

第三章 跳躍行為存在條件下波動率估計問題研究- 36 -圖3-3-c “已實現(xiàn)”核波動統(tǒng)計分布 圖3-3-d對數(shù)“已實現(xiàn)”核波動統(tǒng)計分布圖 3-3、表 3-2 表明，RV 和 RK 序列不是正態(tài)的，具有明顯的尖峰厚尾的現(xiàn)象；對數(shù)“已實現(xiàn)”波動和對數(shù)“已實現(xiàn)”核波動序列接近于正態(tài)分布，符合AFRIMA 模型建模的條件。利用聚合方差法可以確定在本文中的 AFRIMA 模型的 d 值為： (ln ) 0.16814t RVd RV μ= ， (ln ) 0.16096t RKd RK μ= ,說明上證綜指在此時間段里有明顯的長記憶特征，因此選用 AFRIMA 模型來做預(yù)測是合理的。由序列的自相關(guān)函數(shù)和偏相關(guān)函數(shù)，本文考慮采用 ARMA（2，1）來進行擬合AFRIMA 經(jīng)過分數(shù)階差分之后的模型。在采用極大似然估計得到差分后序列的擬合階數(shù)以及參數(shù)的同時

【參考文獻】

相關(guān)期刊論文 前10條

1 王春峰;張穎潔;房振明;梁崴;;中國市場微觀結(jié)構(gòu)噪音特征及其定價能力研究[J];北京理工大學學報(社會科學版);2009年06期

2 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

3 莊泓剛;王春峰;房振明;盧濤;;基于L-矩的厚尾分布動態(tài)擬合研究[J];管理學報;2010年08期

4 林建華,王福昌,馮敬海;股價波動的指數(shù)O-U過程模型[J];經(jīng)濟數(shù)學;2000年04期

5 李心丹,王冀寧,傅浩;中國個體證券投資者交易行為的實證研究[J];經(jīng)濟研究;2002年11期

6 黃后川,陳浪南;中國股票市場波動率的高頻估計與特性分析[J];經(jīng)濟研究;2003年02期

7 王春峰;郝鵬;房振明;;連續(xù)時間金融框架下證券市場跳躍模型研究[J];南開經(jīng)濟研究;2009年05期

8 金秀;姚瑾;莊新田;;基于分數(shù)階差分的ARFIMA模型及預(yù)測效果研究[J];數(shù)理統(tǒng)計與管理;2007年05期

9 許冰;陳娟;;滬深股市大盤指數(shù)收益率分布尾部的實證研究[J];數(shù)學的實踐與認識;2006年09期

10 張家平;;基于點過程的極值尾部估計研究[J];數(shù)學的實踐與認識;2010年03期

相關(guān)博士學位論文 前4條

1 盧濤;金融市場微觀結(jié)構(gòu)視角下基于非對稱信息理論的資產(chǎn)價格行為研究[D];天津大學;2007年

2 李勝歌;基于高頻數(shù)據(jù)的金融波動率研究[D];天津大學;2008年

3 花擁軍;極值理論在中國股市風險度量中的應(yīng)用研究[D];重慶大學;2009年

4 莊泓剛;基于非正態(tài)分布的動態(tài)金融波動性模型研究[D];天津大學;2009年

本文編號：2806823