發(fā)布時(shí)間：2020-11-20 12:49

　　 隨著計(jì)算機(jī)技術(shù)的進(jìn)步和發(fā)展,數(shù)據(jù)存儲(chǔ)和記錄的成本越來越低,人們可以獲得金融市場上每筆交易的實(shí)時(shí)數(shù)據(jù),即獲得采樣頻率越來越高的數(shù)據(jù),這些數(shù)據(jù)常被稱為高頻數(shù)據(jù)或超高頻數(shù)據(jù)。然而高頻數(shù)據(jù)交易的非等間隔使得傳統(tǒng)的計(jì)量經(jīng)濟(jì)模型并不適用于此。因此,針對高頻數(shù)據(jù)的久期,Engle和Russel(1998)提出了ACD模型。經(jīng)過20年的發(fā)展,ACD模型己經(jīng)得到了廣泛的應(yīng)用。眾所周知,對于ACD模型的參數(shù)估計(jì),目前運(yùn)用最多的是極大似然估計(jì)(MLE)。對于MLE,只有在誤差的方差存在的條件下,才具有較好的統(tǒng)計(jì)性質(zhì),并且在估計(jì)過程中往往需要事先假設(shè)誤差服從某種已知的分布。然而金融高頻數(shù)據(jù)具有重尾的性質(zhì),這些數(shù)據(jù)的方差可能是無窮,這就使得直接假設(shè)誤差的方差存在顯得不合適,并且一旦事先假設(shè)的誤差分布與實(shí)際不符,得出的結(jié)論將會(huì)不可靠。為了解決MLE的缺陷,有學(xué)者提出了用最小一乘(LAD)估計(jì)去替代MLE,LAD估計(jì)結(jié)果雖然較MLE更加穩(wěn)健,但LAD估計(jì)給了離群點(diǎn)和正常點(diǎn)相同的權(quán)重,這也稍顯不合理。針對MLE和LAD估計(jì)存在的問題,本文采用自加權(quán)最小一乘(SLAD)估計(jì)對ACD模型進(jìn)行參數(shù)估計(jì),并在一定假設(shè)條件下證明了SLAD估計(jì)的漸近正態(tài)性。隨后在假設(shè)誤差服從Pareto分布、Burr分布和Frechet分布等重尾分布的情況下,進(jìn)行數(shù)值模擬。通過對模擬結(jié)果進(jìn)行比較分析,發(fā)現(xiàn)在數(shù)據(jù)方差無限且存在異常值時(shí),SLAD估計(jì)結(jié)果的MSE最小且最穩(wěn)健。最后將SLAD估計(jì)用于滬深股市數(shù)據(jù),分別對青島海爾、百聯(lián)股份和寶信軟件三只股票的交易量久期和價(jià)格久期進(jìn)行了研究,發(fā)現(xiàn)SLAD估計(jì)結(jié)果的AIC和MSE均小于MLE和LAD估計(jì),由此說明SLAD估計(jì)更適合ACD模型的參數(shù)估計(jì)。
【學(xué)位單位】：浙江工商大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：F832.51;O212.1
【部分圖文】：

圖４．５：寶信軟件原始交易量久期?圖４．Ｇ：寶信軟件日內(nèi)效應(yīng)??從圖４．１、４．３和４．５三張?jiān)季闷趫D可以看出，原始交易量久期存在著明顯的聚??集效應(yīng)，即大的久期后面跟著大的久期，小的久期后面跟著小的久期，并且久期的??波峰與波谷也交替出現(xiàn)。而從圖４．２、４．４和４．Ｇ三張日內(nèi)效應(yīng)圖可以看出，交易量久??期存在著明顯的倒“Ｕ”型日內(nèi)效應(yīng)，即在一天中久期呈現(xiàn)出先増后減的趨勢。日??內(nèi)效應(yīng)出現(xiàn)這種趨勢是因?yàn)槭芨粢瓜⒌挠绊�，上午開盤時(shí)掌握了大量交易信息??的投資者會(huì)及時(shí)調(diào)整投資而產(chǎn)生大量的交易，導(dǎo)致交易量久期較��；隨著消息的傳??播，其對交易的影響越來越小，在上午收盤時(shí)大部分投資者都會(huì)處于觀望狀態(tài)，交??易變?nèi)�，交易量久期就�?huì)隨之變大。??由于日內(nèi)效應(yīng)會(huì)影響模型的效果，所以在建模前必須對原始的交易量久期進(jìn)行??２６??

圖４．５：寶信軟件原始交易量久期?圖４．Ｇ：寶信軟件日內(nèi)效應(yīng)??從圖４．１、４．３和４．５三張?jiān)季闷趫D可以看出，原始交易量久期存在著明顯的聚??集效應(yīng)，即大的久期后面跟著大的久期，小的久期后面跟著小的久期，并且久期的??波峰與波谷也交替出現(xiàn)。而從圖４．２、４．４和４．Ｇ三張日內(nèi)效應(yīng)圖可以看出，交易量久??期存在著明顯的倒“Ｕ”型日內(nèi)效應(yīng)，即在一天中久期呈現(xiàn)出先増后減的趨勢。日??內(nèi)效應(yīng)出現(xiàn)這種趨勢是因?yàn)槭芨粢瓜⒌挠绊�，上午開盤時(shí)掌握了大量交易信息??的投資者會(huì)及時(shí)調(diào)整投資而產(chǎn)生大量的交易，導(dǎo)致交易量久期較��；隨著消息的傳??播，其對交易的影響越來越小，在上午收盤時(shí)大部分投資者都會(huì)處于觀望狀態(tài)，交??易變?nèi)�，交易量久期就�?huì)隨之變大。??由于日內(nèi)效應(yīng)會(huì)影響模型的效果，所以在建模前必須對原始的交易量久期進(jìn)行??２６??

圖４．５：寶信軟件原始交易量久期?圖４．Ｇ：寶信軟件日內(nèi)效應(yīng)??從圖４．１、４．３和４．５三張?jiān)季闷趫D可以看出，原始交易量久期存在著明顯的聚??集效應(yīng)，即大的久期后面跟著大的久期，小的久期后面跟著小的久期，并且久期的??波峰與波谷也交替出現(xiàn)。而從圖４．２、４．４和４．Ｇ三張日內(nèi)效應(yīng)圖可以看出，交易量久??期存在著明顯的倒“Ｕ”型日內(nèi)效應(yīng)，即在一天中久期呈現(xiàn)出先増后減的趨勢。日??內(nèi)效應(yīng)出現(xiàn)這種趨勢是因?yàn)槭芨粢瓜⒌挠绊�，上午開盤時(shí)掌握了大量交易信息??的投資者會(huì)及時(shí)調(diào)整投資而產(chǎn)生大量的交易，導(dǎo)致交易量久期較��；隨著消息的傳??播，其對交易的影響越來越小，在上午收盤時(shí)大部分投資者都會(huì)處于觀望狀態(tài)，交??易變?nèi)�，交易量久期就�?huì)隨之變大。??由于日內(nèi)效應(yīng)會(huì)影響模型的效果，所以在建模前必須對原始的交易量久期進(jìn)行??２６??
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 于鑫;霍春光;;基于久期模型的債券免疫策略分析[J];商;2012年11期

2 金仁江;;久期模型在財(cái)務(wù)中的應(yīng)用[J];中國鄉(xiāng)鎮(zhèn)企業(yè)會(huì)計(jì);2011年05期

3 楊長漢;;久期理論的創(chuàng)新運(yùn)用[J];經(jīng)濟(jì)視角(中旬);2011年10期

4 蔡明超;張富盛;楊瑋沁;莫杰遙;;股票久期與資產(chǎn)組合的利率風(fēng)險(xiǎn)度量[J];上海管理科學(xué);2011年02期

5 劉偉;陳敏;吳武清;;高頻數(shù)據(jù)交易量久期與價(jià)格變化的動(dòng)態(tài)行為研究[J];數(shù)理統(tǒng)計(jì)與管理;2010年03期

6 王志強(qiáng);張姣;;久期配比策略的免疫性分析——來自中國國債市場的經(jīng)驗(yàn)證據(jù)[J];財(cái)經(jīng)問題研究;2009年11期

7 蔣瑤茜;;淺談商業(yè)銀行利率風(fēng)險(xiǎn)管理中的久期模型[J];時(shí)代經(jīng)貿(mào)(下旬刊);2008年12期

8 錢列飛;黃玲芳;;指數(shù)有效久期模型的建立及分析[J];經(jīng)濟(jì)研究導(dǎo)刊;2007年01期

9 雨燕;;金融雙語 關(guān)鍵利率久期[J];金融論壇;2007年02期

10 鄧超,左衛(wèi)豐;久期模型及其最新拓展[J];湖南商學(xué)院學(xué)報(bào);2005年04期

相關(guān)博士學(xué)位論文 前9條

1 廖珊;固定收益證券風(fēng)險(xiǎn)對沖研究[D];天津大學(xué);2012年

2 李彪;固定收益市場利率期限結(jié)構(gòu)建模及其應(yīng)用研究[D];天津大學(xué);2007年

3 王鋒;我國燃料油期貨市場久期及其應(yīng)用研究[D];中國礦業(yè)大學(xué);2011年

4 韓小龍;期轉(zhuǎn)現(xiàn)與中國商品期貨市場功能關(guān)系研究[D];天津大學(xué);2009年

5 康書隆;國債利率的風(fēng)險(xiǎn)特征、變化規(guī)律及風(fēng)險(xiǎn)管理研究[D];東北財(cái)經(jīng)大學(xué);2010年

6 楊建林;基于優(yōu)化方法的商業(yè)銀行利率風(fēng)險(xiǎn)管理研究[D];天津大學(xué);2003年

7 李晶晶;基于Heath-Jarrow-Morton框架的利率風(fēng)險(xiǎn)管理方法研究[D];天津大學(xué);2014年

8 劉艷萍;基于信用風(fēng)險(xiǎn)和利率風(fēng)險(xiǎn)的資產(chǎn)組合優(yōu)化模型研究[D];大連理工大學(xué);2009年

9 熊春連;中國股票市場時(shí)變信息風(fēng)險(xiǎn)的測量與定價(jià)研究[D];天津大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 丁治全;基于久期模型的商業(yè)銀行利率風(fēng)險(xiǎn)管理研究[D];西北大學(xué);2018年

2 陳超;基于三因子CIR模型的資產(chǎn)負(fù)債利率風(fēng)險(xiǎn)免疫模型[D];大連理工大學(xué);2018年

3 吳夢雪;基于SLAD估計(jì)的ACD模型及其在滬深股市中的應(yīng)用研究[D];浙江工商大學(xué);2018年

4 孔元慧;隱含權(quán)益久期可以衡量股票風(fēng)險(xiǎn)嗎？[D];東北財(cái)經(jīng)大學(xué);2018年

5 陳敏;久期模型在我國商業(yè)銀行利率風(fēng)險(xiǎn)管理中的應(yīng)用研究[D];安徽財(cái)經(jīng)大學(xué);2012年

6 崔頔;中國債券市場價(jià)格久期研究[D];清華大學(xué);2010年

7 馬慶魁;債券的久期模型及其應(yīng)用[D];吉林大學(xué);2005年

8 劉忠彬;久期模型對我國債券價(jià)格估算精度的比較研究[D];天津財(cái)經(jīng)大學(xué);2012年

9 左衛(wèi)豐;久期模型比較分析及其應(yīng)用研究[D];中南大學(xué);2005年

10 趙楓;中國股票市場價(jià)格久期研究[D];安徽大學(xué);2013年

本文編號(hào)：2891437