“互聯(lián)網(wǎng)+”時代催生了眾多嶄新的金融模式和金融產(chǎn)品,加之國內(nèi)外政治和經(jīng)濟(jì)環(huán)境的不斷變化,防范金融風(fēng)險(xiǎn)逐漸成為政府與實(shí)業(yè)界的工作重心。隨著云計(jì)算、大數(shù)據(jù)等新技術(shù)的發(fā)展,對金融高頻數(shù)據(jù)進(jìn)行收集、分析的技術(shù)日益成熟,基于已實(shí)現(xiàn)測度的波動率預(yù)測和風(fēng)險(xiǎn)度量逐漸成為研究熱點(diǎn),但是基于Realized EGARCH模型對中國股市進(jìn)行風(fēng)險(xiǎn)度量的研究亟待補(bǔ)充。本文對已實(shí)現(xiàn)EGARCH模型的殘差分布進(jìn)行拓展,嘗試?yán)梅菂?shù)和半?yún)?shù)方法對條件方差進(jìn)行估計(jì),并比較了不同分布假設(shè)和不同參數(shù)估計(jì)方法下已實(shí)現(xiàn)EGARCH模型對滬深300指數(shù)收益波動率和VaR的預(yù)測效果。本文以R-EGARCH模型為主要研究對象,選擇股票市場中代表性指數(shù)——滬深300作為主要實(shí)證分析樣本。首先研究了學(xué)生t分布和GED分布假設(shè)下R-EGARCH模型的參數(shù)估計(jì)方法,并應(yīng)用其對滬深300指數(shù)進(jìn)行波動率預(yù)測和VaR度量,同時探討了二元已實(shí)現(xiàn)測度模型的預(yù)測效果;其次,本文提出已實(shí)現(xiàn)EGARCH模型波動率方程的非參數(shù)和半?yún)?shù)估計(jì)方法,從而對滬深300指數(shù)進(jìn)行波動率預(yù)測和風(fēng)險(xiǎn)度量,并與參數(shù)估計(jì)法下預(yù)測結(jié)果進(jìn)行對比;最后將單一變量模型推廣至多元情況,... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：57 頁

【學(xué)位級別】：碩士

【部分圖文】：

基于不同頻率數(shù)據(jù)計(jì)算的已實(shí)現(xiàn)波動率

?山東大學(xué)碩士學(xué)位論文???由于市場微觀噪聲的存在，數(shù)據(jù)采樣頻率過高會導(dǎo)致已實(shí)現(xiàn)波動率嚴(yán)重偏離??真實(shí)波動率，采樣頻率過低則會損失數(shù)據(jù)中隱含的信息。從表２－１和圖２－１、２＿２??中可以發(fā)現(xiàn)，相較于利用其他頻率數(shù)據(jù)計(jì)算的己實(shí)現(xiàn)波動率（即７？Ｋ３等），??基于５ｍｈｉ數(shù)據(jù)計(jì)算的己實(shí)現(xiàn)波動率具有較好的表現(xiàn)，并且及尤５還要優(yōu)于??７２Ｋ５，這與Ａｎｄｅｒｓｅｎ等（２００１）的研究結(jié)論相符合。因此，本文將基于５ｍｉｎ高??頻數(shù)據(jù)展開研究，并重點(diǎn)選擇７？尤５作為己實(shí)現(xiàn)測度進(jìn)行建模。??

?山東大學(xué)碩士學(xué)位論文???２．４．２滬深３００指數(shù)收益率特征分析??１．滬深３００指數(shù)的尖峰厚尾特征??從表２－１中數(shù)據(jù)可以發(fā)現(xiàn)，滬深３００指數(shù)收益率序列具有明顯的尖峰厚尾特??征，且不符合正態(tài)分布假設(shè)。圖２－３為滬深３００指數(shù)收益率序列的正態(tài)分布、學(xué)??生ｔ分布以及ＧＥＤ分布擬合圖。其中，灰色條形圖是收益率序列頻率分布直方??圖，紅色鐘形曲線為正態(tài)分布擬合曲線，藍(lán)色曲線為學(xué)生ｔ分布擬合曲線，橘色??尖峰曲線為ＧＥＤ分布擬合曲線。從圖２－３可以清晰地發(fā)現(xiàn)頻率分布直方圖具有??較高的峰度和厚尾，與正態(tài)分布差距較大，但是與學(xué)生ｔ分布和ＧＥＤ分布較為??接近。因此，在傳統(tǒng)正態(tài)分布假設(shè)無法滿足實(shí)際建模需要的情況下，本文后續(xù)將??利用學(xué)生ｔ分布和ＧＥＤ分布假設(shè)下的Ｒ－ＧＡＲＣＨ、Ｒ－ＥＧＡＲＣＨ模型對滬深３００??指數(shù)收益率進(jìn)行建模�！�??－

【參考文獻(xiàn)】：
期刊論文
[1]基于厚尾分布下Realized GARCH模型的中國股票市場波動研究[J]. 劉若萌,郭名媛.  天津理工大學(xué)學(xué)報(bào). 2017(05)
[2]基于已實(shí)現(xiàn)NGARCH模型的上證50指數(shù)的風(fēng)險(xiǎn)度量[J]. 魏正元,羅云峰,余德英,王愛法.  重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)). 2017(05)
[3]基于偏t分布realized GARCH模型的尾部風(fēng)險(xiǎn)估計(jì)[J]. 黃友珀,唐振鵬,周熙雯.  系統(tǒng)工程理論與實(shí)踐. 2015(09)
[4]Realized GAS-GARCH及其在VaR預(yù)測中的應(yīng)用[J]. 王天一,黃卓.  管理科學(xué)學(xué)報(bào). 2015(05)
[5]利用高頻數(shù)據(jù)預(yù)測滬深300指數(shù)波動率——基于Realized GARCH模型的實(shí)證研究[J]. 王天一,趙曉軍,黃卓.  世界經(jīng)濟(jì)文匯. 2014(05)
[6]基于VaR-GARCH模型的開放式基金風(fēng)險(xiǎn)估計(jì)[J]. 張燃,李念.  金融教學(xué)與研究. 2012(04)
[7]高頻數(shù)據(jù)波動率建�！诤裎卜植嫉腞ealized GARCH模型[J]. 王天一,黃卓.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2012(05)
[8]基于小波變換的多尺度跳躍識別與波動性估計(jì)研究[J]. 王春峰,姚寧,房振明.  管理科學(xué)學(xué)報(bào). 2010(10)
[9]基于VaR-GARCH模型對證券投資基金風(fēng)險(xiǎn)的實(shí)證研究[J]. 周澤炯.  華東經(jīng)濟(jì)管理. 2009(02)
[10]股市收益率的風(fēng)險(xiǎn)測量——基于參數(shù)與非參數(shù)GARCH技術(shù)的動態(tài)VaR計(jì)算[J]. 王芳,張進(jìn)滔.  統(tǒng)計(jì)與決策. 2007(06)

博士論文
[1]基于Copula理論和GPD模型的金融市場風(fēng)險(xiǎn)測度研究[D]. 李強(qiáng).重慶大學(xué) 2012

碩士論文
[1]基于Skewed-T Realized GARCH模型的滬深300指數(shù)波動性研究[D]. 康凱.天津商業(yè)大學(xué) 2017
[2]基于VaR分析與Copula方法的互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)度量[D]. 蘭翔.山東大學(xué) 2017
[3]已實(shí)現(xiàn)NGARCH模型及應(yīng)用研究[D]. 羅云峰.重慶理工大學(xué) 2017



本文編號：3250683