【摘要】：金融高頻數(shù)據(jù)包含著大量的市場信息，因而對高頻數(shù)據(jù)的研究變得越來越重要，高頻數(shù)據(jù)成為金融領(lǐng)域的研究熱點。為了能夠更深入的研究市場結(jié)構(gòu)，關(guān)于金融高頻數(shù)據(jù)的波動性研究己經(jīng)成為國內(nèi)外計量經(jīng)濟學者的焦點問題。本文主要是研究金融高頻數(shù)據(jù)的波動率及其建模分析。 首先選取上證綜指和深圳成指的一分鐘數(shù)據(jù)進行統(tǒng)計特征分析，驗證了我國股市高頻收益率序列并不是正態(tài)分布，而是呈現(xiàn)出高峰厚尾性，且有著顯著的‘舊歷效應(yīng)”。 其次，介紹了“已實現(xiàn)”波動率和“已實現(xiàn)”雙冪次變差，通過分析得出“己實現(xiàn)”雙冪次變差不僅具備“己實現(xiàn)”波動率的所有優(yōu)點，并且具有穩(wěn)健性，在一定條件下，比“已實現(xiàn)”波動率更有效，同時，在考慮微觀結(jié)構(gòu)噪聲的條件下，構(gòu)造均方誤差，通過分析得出“己實現(xiàn)”波動率和“已實現(xiàn)”雙冪次變差的最優(yōu)抽樣頻率都是5分鐘。 再次，利用ADF-KPSS聯(lián)合檢驗、R/S分析方法，修正的R/S分析方法對對5min上證綜指的日收益率和“己實現(xiàn)”雙冪次變差的長記憶性進行實證分析，實證結(jié)果表明上證綜指日收益不具有顯著的長記憶性特征，而“己實現(xiàn)”雙冪次變差序列存在長記憶性特征。 最后，選取上證綜指的5min數(shù)據(jù)進行實證分析，采用跳躍性顯著檢驗方法分離連續(xù)性波動和跳躍性波動，并且這兩種波動成分具有顯著的自相關(guān)性，在HA.R-RV模型的基礎(chǔ)上，本文分別對這兩種波動成分建立LHAR-CV模型和LHAR-LJ模型，實證結(jié)果表明LHAR-CV能夠捕捉連續(xù)性波動的杠桿效應(yīng)，能較好的擬合和預測連續(xù)性波動的走勢，并且中長期的波動起主要作用。在LHAR-LJ模型中，前期周跳躍性波動對當期的跳躍性波動的影響最為顯著，而前期日跳躍性波動和月跳躍性波動對當前的跳躍性波動的影響不顯著，而負收益率對跳躍性波動的杠桿效應(yīng)不顯著。本文圖20幅，表22個，，參考文獻70篇。
[Abstract]:Financial high-frequency data contains a lot of market information, so the research of high-frequency data becomes more and more important, and high-frequency data becomes a hot research topic in the field of finance. In order to study the market structure more deeply, the volatility of financial high-frequency data has become the focus of econometrics at home and abroad. This paper mainly studies the volatility of financial high-frequency data and its modeling analysis. Firstly, the one-minute data of Shanghai Composite Index and Shenzhen Composite Index are selected to analyze the statistical characteristics. It is verified that the high-frequency yield series of China's stock market is not a normal distribution, but a peak and thick tail, and has a significant 'old calendar effect'. Secondly, the paper introduces "realized" volatility and "realized" double power variation. Through analysis, it is concluded that "self-realized" double power variation not only has all the advantages of "self-realized" volatility, but also has robustness, under certain conditions, It is more effective than "realized" volatility. At the same time, under the condition of microstructure noise, the mean square error is constructed. By analyzing the mean square error, it is concluded that the optimal sampling frequency of both "realized" volatility and "realized" power variation is 5 minutes. Thirdly, using ADF-KPSS combined test / R / S analysis method, the modified R / S analysis method is used to empirically analyze the daily return rate of 5min Shanghai Composite Index and the long memory of "self realized" double power variation. The empirical results show that the daily returns of the Shanghai Composite Index do not have significant long-memory characteristics, but the "self-realization" dipotent variation series have long-memory characteristics. Finally, the 5min data of Shanghai Composite Index are selected for empirical analysis, and the method of jumping significance test is used to separate the continuous volatility from the jump volatility, and these two volatility components have significant autocorrelation, based on the HA.R-RV model. In this paper, LHAR-CV model and LHAR-LJ model are established for these two volatility components respectively. The empirical results show that LHAR-CV can capture the leverage effect of continuous volatility, can better fit and predict the trend of continuous volatility, and the medium and long term volatility plays a major role. In the LHAR-LJ model, the early week jump fluctuation has the most significant effect on the current jump fluctuation, while the previous day jump fluctuation and the monthly jump fluctuation have no significant effect on the current jump fluctuation. However, the leverage effect of negative yield on jumping volatility is not significant. There are 20 figures, 22 tables and 70 references in this paper.
【學位授予單位】：中南大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：F832.51

【相似文獻】

相關(guān)期刊論文 前10條

1 朱建平;魏瑾;謝邦昌;;金融高頻數(shù)據(jù)挖掘研究評述與展望[J];經(jīng)濟學動態(tài);2011年06期

2 郭興義,杜本峰,何龍燦;(超)高頻數(shù)據(jù)分析與建模[J];統(tǒng)計研究;2002年11期

3 常寧,徐國祥;金融高頻數(shù)據(jù)分析的現(xiàn)狀與問題研究[J];財經(jīng)研究;2004年03期

4 應(yīng)益榮;包郭平;;金融市場高頻數(shù)據(jù)分析的建模進展[J];五邑大學學報(自然科學版);2006年01期

5 包郭平;應(yīng)益榮;;金融市場中高頻數(shù)據(jù)的分析方法[J];五邑大學學報(自然科學版);2007年01期

6 唐振鵬;;金融高頻數(shù)據(jù)和超高頻數(shù)據(jù)的研究現(xiàn)狀及展望[J];福州大學學報(哲學社會科學版);2008年04期

7 金登貴;中國證券市場高頻數(shù)據(jù)分布特征研究[J];統(tǒng)計與決策;2005年20期

8 唐勇;張伯新;;基于高頻數(shù)據(jù)的中國股市跳躍特征實證分析[J];中國管理科學;2013年05期

9 尹優(yōu)平,馬丹;基于分布擬合方法的高頻數(shù)據(jù)風險價值研究[J];金融研究;2005年03期

10 補馮林,張衛(wèi)國,何偉;基于超高頻數(shù)據(jù)的股票流動性度量研究[J];統(tǒng)計與決策;2005年04期

相關(guān)會議論文 前7條

1 郭名媛;;基于高頻數(shù)據(jù)的已實現(xiàn)極差相關(guān)系數(shù)及實證研究[A];2012管理創(chuàng)新、智能科技與經(jīng)濟發(fā)展研討會論文集[C];2012年

2 郭名媛;;基于高頻數(shù)據(jù)的賦權(quán)已實現(xiàn)極差相關(guān)系數(shù)及其實證研究[A];社會經(jīng)濟發(fā)展轉(zhuǎn)型與系統(tǒng)工程——中國系統(tǒng)工程學會第17屆學術(shù)年會論文集[C];2012年

3 唐勇;;金融市場波動建模:基于高頻數(shù)據(jù)視角[A];社會經(jīng)濟發(fā)展轉(zhuǎn)型與系統(tǒng)工程——中國系統(tǒng)工程學會第17屆學術(shù)年會論文集[C];2012年

4 楊懷東;伍娟;盛虎;;基于高頻數(shù)據(jù)的成對交易統(tǒng)計套利策略實證研究[A];第五屆（2010）中國管理學年會——金融分會場論文集[C];2010年

5 張晨;李月環(huán);;基于調(diào)整“已實現(xiàn)”波動率的滬深300指數(shù)高頻數(shù)據(jù)波動性研究與預測[A];中國會計學會高等工科院校分會2008年學術(shù)年會（第十五屆年會）暨中央在鄂集團企業(yè)財務(wù)管理研討會論文集（上冊）[C];2008年

6 劉淳;朱世武;何濟舟;;金融市場波動擇時策略的經(jīng)濟價值分析[A];經(jīng)濟全球化與系統(tǒng)工程——中國系統(tǒng)工程學會第16屆學術(shù)年會論文集[C];2010年

7 瞿慧;張明卓;;基于跳躍規(guī)模細分的已實現(xiàn)波動率建模研究[A];“兩型社會”建設(shè)與管理創(chuàng)新——第十五屆中國管理科學學術(shù)年會論文集（上）[C];2013年

相關(guān)重要報紙文章 前7條

1 本報記者 任曉;12月PMI或小幅上行[N];中國證券報;2013年

2 程實;美國金融體系逐漸恢復 實體經(jīng)濟企穩(wěn)[N];中國經(jīng)濟時報;2009年

3 華泰長城期貨 謝趙維　許惠敏;高庫存料繼續(xù)“重壓”礦價[N];中國證券報;2014年

4 金融學博士 宏觀經(jīng)濟分析師 程實;全球經(jīng)濟隱約徘徊著復合危機陰影[N];上海證券報;2011年

5 申銀萬國證券研究所 李慧勇;新興市場保持資金大額流入[N];證券時報;2014年

6 格林期貨 劉光素　編輯 梁偉;揭秘神奇的“期指領(lǐng)先股指2分鐘”之謎[N];上海證券報;2010年

7 長城證券 汪毅 張新文;債市調(diào)整 可轉(zhuǎn)債個體性機會增強[N];經(jīng)濟參考報;2014年

相關(guān)博士學位論文 前6條

1 唐勇;基于高頻數(shù)據(jù)的金融市場分析[D];天津大學;2007年

2 鎮(zhèn)磊;基于高頻數(shù)據(jù)處理方法對A股算法交易優(yōu)化決策的量化分析研究[D];中國科學技術(shù)大學;2010年

3 劉廣應(yīng);帶跳的分數(shù)維積分過程的冪變差理論及其在金融高頻數(shù)據(jù)中的應(yīng)用[D];復旦大學;2011年

4 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

5 王少斌;基于高頻數(shù)據(jù)的投資者交易行為研究[D];首都經(jīng)濟貿(mào)易大學;2014年

6 王芳;基于市場微觀結(jié)構(gòu)噪聲和跳躍的金融高頻數(shù)據(jù)波動研究[D];西南財經(jīng)大學;2011年

相關(guān)碩士學位論文 前10條

1 韓鐵;金融市場（超）高頻數(shù)據(jù)建模及與低頻數(shù)據(jù)對比研究[D];天津大學;2006年

2 李曉威;金融高頻數(shù)據(jù)的關(guān)聯(lián)規(guī)則算法研究[D];吉林大學;2008年

3 張曙;金融高頻數(shù)據(jù)的分析及實證研究[D];中南大學;2013年

4 肖星火;基于中國股市高頻數(shù)據(jù)的流動性風險研究[D];華南理工大學;2013年

5 劉力華;基于高頻數(shù)據(jù)的證券市場實證研究[D];暨南大學;2011年

6 張國勇;金融市場（超）高頻數(shù)據(jù)建模及其實證分析[D];天津大學;2004年

7 李穎超;太鋼不銹股市高頻數(shù)據(jù)實證研究[D];山西財經(jīng)大學;2012年

8 侯守國;基于小波分析的股市高頻數(shù)據(jù)研究[D];天津大學;2006年

9 張越;基于高頻數(shù)據(jù)的量價動態(tài)關(guān)系研究[D];天津大學;2012年

10 王姍姍;中國證券市場高頻數(shù)據(jù)極值的波動性研究[D];吉林大學;2012年

本文編號：2135900