越來越多的研究結(jié)果表明,對(duì)于各種的期權(quán)定價(jià)模型來說,高頻數(shù)據(jù)中蘊(yùn)含了大量的標(biāo)的物價(jià)格走勢信息,在量化交易中比低頻數(shù)據(jù)涵蓋了更多的信息,因此在期權(quán)研究中越來越多的學(xué)者開始使用高頻數(shù)據(jù),高頻數(shù)據(jù)在期權(quán)定價(jià)研究中越來越受到重視。使用日內(nèi)高頻數(shù)據(jù)來計(jì)算波動(dòng)率,相比低頻數(shù)據(jù)來說可以取得更好的效果。已實(shí)現(xiàn)波動(dòng)率計(jì)算簡單,無需參數(shù)估計(jì),但是在波動(dòng)率預(yù)測方面效果顯著�？梢�,高頻數(shù)據(jù)的應(yīng)用有著重要的價(jià)值。本文研究中采用高頻數(shù)據(jù)。以上證50ETF期權(quán)為樣本,對(duì)GARV和ARV模型進(jìn)行復(fù)現(xiàn),對(duì)中國期權(quán)市場的已實(shí)現(xiàn)波動(dòng)率進(jìn)行研究。首先,對(duì)上證50ETF的已實(shí)現(xiàn)波動(dòng)率序列進(jìn)行描述性統(tǒng)計(jì)分析,然后對(duì)上證50ETF期權(quán)進(jìn)行定價(jià)研究,并與傳統(tǒng)模型進(jìn)行進(jìn)行對(duì)比。以期為量化投資科學(xué)決策,提供備選方案,同時(shí),本文所選用模型算法實(shí)現(xiàn)具有一定的難度,本文的研究是對(duì)該領(lǐng)域現(xiàn)有研究的補(bǔ)充。本文發(fā)現(xiàn),已實(shí)現(xiàn)波動(dòng)率序列分布呈現(xiàn)尖峰后尾性,且極度右偏。已實(shí)現(xiàn)波動(dòng)率序列不符合正態(tài)分布,而對(duì)已實(shí)現(xiàn)波動(dòng)率取對(duì)數(shù)后發(fā)現(xiàn),對(duì)數(shù)已實(shí)現(xiàn)波動(dòng)率序列呈現(xiàn)出明顯的波動(dòng)集聚性特征,且服從正態(tài)分布。通過對(duì)2016—2017年兩年的,到期月分別為六月和九月的上證... 

【文章來源】：首都經(jīng)濟(jì)貿(mào)易大學(xué)北京市

【文章頁數(shù)】：59 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

上證50ETF2016-2017年對(duì)數(shù)收益率走勢圖

需要進(jìn)行平穩(wěn)性檢驗(yàn)。檢驗(yàn)平穩(wěn)性的常用方法是單位根檢驗(yàn)，如 ADF 檢驗(yàn)，PP 檢驗(yàn)和 KPSS 檢驗(yàn)。本文同時(shí)對(duì)三種方法進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果如下：表 4.1 單位根檢驗(yàn)檢驗(yàn)方法 p-value Z-tauADF <2.2e-16 -PP - -154.2433KPSS 0.1 -由上表可知，ADF 的 p 值和 PP 的 Z-tau 值均在 5%的置信水平下拒絕原假設(shè)，KPSS的 p 值在 5%的置信水平下接受原假設(shè)，即：收益率序列是平穩(wěn)的。2.自相關(guān)檢驗(yàn)序列自相關(guān)就是指總體回歸模型的隨機(jī)擾動(dòng)項(xiàng)之間存在著相關(guān)性，即按時(shí)間（如在時(shí)間序列數(shù)據(jù)中）或空間（如在截面數(shù)據(jù)中）排序的各隨機(jī)擾動(dòng)項(xiàng)之間存在的相關(guān)性。通過混成檢驗(yàn)來檢驗(yàn)自相關(guān)序列是否存在自相關(guān)性。對(duì)收益率序列進(jìn)行混成檢驗(yàn)，繪制自相關(guān)函數(shù)（ACF）圖如下：

第 4 章 關(guān)于期權(quán)定價(jià)的實(shí)證分析3.ARCH 效應(yīng)檢驗(yàn)將ttta r 設(shè)為均值方程的殘差項(xiàng)，用2ta 來檢驗(yàn)條件異方差性，本文將 Ljung-Box統(tǒng)計(jì)量 Q(m)應(yīng)用于 {}2ta 這一序列中，該檢驗(yàn)中統(tǒng)計(jì)量的原假設(shè)為序列 前 m 個(gè)收盤價(jià)的 ACF 值均為 0，以此來檢驗(yàn)四種指數(shù)的 ARCH 效應(yīng)。對(duì)均值方差殘差進(jìn)行 ARCH 效應(yīng)檢驗(yàn)，由于四種指數(shù)的 p 值為 2.2e-16，小于 0.01，拒絕原假設(shè)，即收益率樣本序列具有 ARCH 效應(yīng)，可以構(gòu)建 GARCH 模型。4.1.2 已實(shí)現(xiàn)波動(dòng)率的描述性統(tǒng)計(jì)分析然后，計(jì)算樣本期間的已實(shí)現(xiàn)波動(dòng)率走勢，繪制走勢圖如下：

【參考文獻(xiàn)】：
期刊論文
[1]基于時(shí)變波動(dòng)率與混合對(duì)數(shù)正態(tài)分布的50ETF期權(quán)定價(jià)[J]. 王鵬,楊興林.  管理科學(xué). 2016(04)
[2]基于時(shí)間序列GARCH（1,1）模型的上證50ETF波動(dòng)率預(yù)測[J]. 呂志鴻.  中國市場. 2015(49)
[3]HAR族模型與GARCH族模型對(duì)不同期限波動(dòng)率的預(yù)測精度比較——基于滬深300指數(shù)高頻價(jià)格的實(shí)證分析[J]. 瞿慧,李潔,程昕.  系統(tǒng)工程. 2015(03)
[4]基于日內(nèi)效應(yīng)的滬深300股指期貨套利的分析[J]. 趙秀娟,魏卓,汪壽陽.  管理科學(xué)學(xué)報(bào). 2015(01)
[5]基于高頻數(shù)據(jù)視角的上證綜指跳躍原因分析[J]. 趙滌非,唐勇.  系統(tǒng)科學(xué)與數(shù)學(xué). 2015(01)
[6]GARCH模型下基于偏最小二乘的歐式股指期權(quán)定價(jià)——來自香港恒生指數(shù)期權(quán)市場的證據(jù)[J]. 魏潔,韓立巖.  數(shù)理統(tǒng)計(jì)與管理. 2015(03)
[7]長記憶性、結(jié)構(gòu)突變條件下中國股市波動(dòng)率的高頻預(yù)測[J]. 楊科,田鳳平.  管理工程學(xué)報(bào). 2013(02)
[8]上證綜指的已實(shí)現(xiàn)波動(dòng)率預(yù)測模型[J]. 楊科,陳浪南.  數(shù)理統(tǒng)計(jì)與管理. 2013(01)
[9]基于高頻數(shù)據(jù)的波動(dòng)率建模及應(yīng)用研究評(píng)述[J]. 王天一,黃卓.  經(jīng)濟(jì)學(xué)動(dòng)態(tài). 2012(03)
[10]具有有偏厚尾的非對(duì)稱SV模型及其實(shí)證研究[J]. 吳鑫育,馬超群,汪壽陽.  系統(tǒng)工程. 2012(01)

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



本文編號(hào)：3531104