發(fā)布時間：2021-04-02 09:06

　　在現(xiàn)代金融市場中,波動率在金融產(chǎn)品定價和風(fēng)險管理中具有較為重要的作用。本文以深證成指5分鐘高頻交易數(shù)據(jù)為研究對象,建立Realized GARCH模型對深證成指的波動率和VaR進行估計和預(yù)測。波動率模型的擬合數(shù)據(jù)使用2011年12月31日至2018年11月23日每個交易日的5分鐘高頻交易數(shù)據(jù)。根據(jù)深證成指每日收益率的波動變化情況,構(gòu)建改進的Realized GARCH模型,通過各模型波動率的擬合效果對比,選擇能夠更好擬合深證成指波動率的模型并對波動率進行預(yù)測。同時還將使用風(fēng)險價值模型（VaR）對深證成指進行風(fēng)險分析并預(yù)測未來股市的下行風(fēng)險。在波動率估計方面,主要三種因素對波動率估計的影響,其中包括RV、RRV、RBV三種已實現(xiàn)測度,基于正態(tài)分布、t分布、Skewed-t分布的三種殘差分布以及是否考慮波動率的長記憶性引入ARFIMA模型,通過對比選擇擬合效果最優(yōu)的模型進行分析,并基于向前一步預(yù)測對波動率500個樣本外數(shù)據(jù)進行預(yù)測。對于VaR的計算,進行滾動窗口一步預(yù)測對未來VaR并繪制曲線,同時將使用Kupice檢驗法對各模型的結(jié)果進行檢驗并通過比較結(jié)果,從中選擇預(yù)測效果最好的模型。首先... 

【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)】：62 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖３－１深證成指收盤價走勢圖??２０１５３，，

?山東大學(xué)碩士學(xué)位論文???市場，市場交易量嚴重萎縮，股市冷冷清清。后來，為了穩(wěn)住市場，政府和監(jiān)??管部門出臺了相應(yīng)的救市政策，股市才逐漸穩(wěn)定下來。??２０１８年股市受多方面原因的影響，股市又一次開始大幅下跌，股市時而也??會出現(xiàn)單日大幅下跌，股價閃崩等現(xiàn)象。??研宂股票研宄波動率，通常是以股票市場的收益率為研究對象，指數(shù)的日??收益率是用相鄰兩交易日指數(shù)所對應(yīng)的收盤價的一階差分值。收盤價－收盤價，??計算出的收益率包含了前一天收盤后到第二天開盤時的波動因素，而這一部分??的影響是不可忽略的，因此收盤價－收盤價相比收盤價－開盤價更為合適。??對深證成指的對數(shù)收益率序列進行基本的統(tǒng)計分析，得到相應(yīng)結(jié)果。??

?山東大學(xué)碩士學(xué)位論文???由收益率的時間序列圖可以看出波動率在一定時間區(qū)間內(nèi)，具有非常明顯??的波動性和聚集性。通常在一個大的波動（小的波動）后更大概率緊接著會出??現(xiàn)另一個較大幅度的波動（較小幅度的波動）。??從收益率序列圖中可以看出，在２０１５年前后波動率較大，在此期間是股市??的新一輪的牛市，重新燃起股市的火熱行情，股市波動率不斷增大。??

【參考文獻】：
期刊論文
[1]利用已實現(xiàn)極差預(yù)測市場波動率——基于ARFIMA-Realized GARCH模型的實證研究[J]. 覃思程.  經(jīng)濟論壇. 2018(01)
[2]基于時間序列GARCH（1,1）模型的上證50ETF波動率預(yù)測[J]. 呂志鴻.  中國市場. 2015(49)
[3]我國創(chuàng)業(yè)板市場的波動性研究——基于GARCH模型的分析[J]. 吳俊.  時代金融. 2014(33)
[4]利用高頻數(shù)據(jù)預(yù)測滬深300指數(shù)波動率——基于Realized GARCH模型的實證研究[J]. 王天一,趙曉軍,黃卓.  世界經(jīng)濟文匯. 2014(05)
[5]滬深300指數(shù)期貨已實現(xiàn)波動率的跳躍行為[J]. 田鳳平,楊科,林洪.  系統(tǒng)工程. 2014(02)
[6]創(chuàng)業(yè)板指數(shù)波動率預(yù)測效果比較研究——基于GARCH族模型[J]. 林德欽.  金融教學(xué)與研究. 2014(01)
[7]創(chuàng)業(yè)板市場發(fā)展現(xiàn)狀與對策研究[J]. 沐莉.  中外企業(yè)家. 2014(01)
[8]基于價格極差的GARCH模型[J]. 孫便霞,王明進.  數(shù)理統(tǒng)計與管理. 2013(02)
[9]交易量與股價波動性動態(tài)關(guān)系的研究[J]. 王藝霖,周淵.  復(fù)旦學(xué)報(自然科學(xué)版). 2012(04)
[10]利用高頻數(shù)據(jù)管理滬深300指數(shù)的尾部風(fēng)險——基于Realized GARCH模型的VaR[J]. 黃雯,王天一,黃卓.  中大管理研究. 2012(02)

碩士論文
[1]高頻數(shù)據(jù)波動率的測度及應(yīng)用[D]. 周慧.浙江大學(xué) 2017
[2]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
[3]上證50 ETF的波動率研究及VaR測算[D]. 劉祥.華東理工大學(xué) 2017
[4]基于改進的GARCH模型對股市波動率擬合預(yù)測能力的研究[D]. 李伶.西南財經(jīng)大學(xué) 2016
[5]基于極值理論的VaR測度及實證研究[D]. 張振宇.浙江工業(yè)大學(xué) 2014
[6]基于擬蒙特卡羅方法的VaR計算及其在中國股市中的實證研究[D]. 李擎.復(fù)旦大學(xué) 2013
[7]基于EGARCH-M模型的日歷效應(yīng)研究[D]. 胡恩蘭.西南財經(jīng)大學(xué) 2013
[8]基于VaR歷史模擬法的中國股市風(fēng)險研究[D]. 徐中華.復(fù)旦大學(xué) 2008
[9]各類VaR方法的比較：基于中國股市的實證研究[D]. 史敬.湖南大學(xué) 2005



本文編號：3114999