本文關(guān)鍵詞：灰色分形與計(jì)量建模及在滬深300市場(chǎng)中的應(yīng)用

  更多相關(guān)文章： 修正配分函數(shù)法 移動(dòng)加權(quán)平均去趨勢(shì)波動(dòng)法 重現(xiàn)期 典型事實(shí) Va R測(cè)度 已實(shí)現(xiàn)波動(dòng)率 滬深300指數(shù)現(xiàn)貨和期貨

【摘要】：越來(lái)越多的研究表明,金融市場(chǎng)是一個(gè)復(fù)雜的、非線性的、存在眾多典型事實(shí)的多體系統(tǒng),它與傳統(tǒng)金融理論的一些基本假設(shè)并不相符,這需要利用多學(xué)科的理論與方法才能對(duì)金融市場(chǎng)有個(gè)較為全面深刻的認(rèn)識(shí)。其中金融物理學(xué)與計(jì)量經(jīng)濟(jì)學(xué)是解決金融市場(chǎng)問(wèn)題的兩個(gè)主流方向。本文以滬深300指數(shù)現(xiàn)貨和期貨為研究對(duì)象,在現(xiàn)有金融物理學(xué)、計(jì)量經(jīng)濟(jì)學(xué)理論方法的基礎(chǔ)上,結(jié)合金融市場(chǎng)的一些特性,對(duì)金融物理學(xué)中的方法以及計(jì)量模型進(jìn)行改進(jìn),豐富現(xiàn)有建模方法體系;并用改進(jìn)模型和方法對(duì)滬深300指數(shù)現(xiàn)貨和期貨市場(chǎng)的多重分形性、市場(chǎng)運(yùn)行效率、重現(xiàn)期特征、Va R測(cè)度、已實(shí)現(xiàn)波動(dòng)率預(yù)測(cè)等進(jìn)行系統(tǒng)深入地分析,為市場(chǎng)投資和風(fēng)險(xiǎn)管理提供參考。主要研究?jī)?nèi)容和研究成果如下:(1)對(duì)配分函數(shù)法的性質(zhì)和多重分形參數(shù)經(jīng)濟(jì)含義進(jìn)行分析,為多重分形的進(jìn)一步應(yīng)用提供支撐。同時(shí),針對(duì)傳統(tǒng)配分函數(shù)法不能計(jì)算子區(qū)間長(zhǎng)度s不能整除時(shí)間序列長(zhǎng)度T或T為質(zhì)數(shù)的情況,提出修正配分函數(shù)法,并通過(guò)數(shù)值模擬驗(yàn)證修正配分函數(shù)法的有效性,拓寬了配分函數(shù)法的應(yīng)用范圍。利用修正配分函數(shù)法分析滬深300指數(shù)現(xiàn)貨日波動(dòng)率的多重分形性,并用多種序列變換方法,分析其多重分形形成的主要原因,并說(shuō)明了修正配分函數(shù)法的實(shí)用性。(2)針對(duì)移動(dòng)平均去趨勢(shì)波動(dòng)法(DMA)沒(méi)有考慮數(shù)據(jù)內(nèi)部相互關(guān)聯(lián)性問(wèn)題,結(jié)合灰類(lèi)調(diào)整系數(shù)和灰色緩沖算子的思想,建立權(quán)重可調(diào)的移動(dòng)加權(quán)平均去趨勢(shì)波動(dòng)法,用以計(jì)算時(shí)間序列的分形,同時(shí)指出移動(dòng)平均去趨勢(shì)波動(dòng)法是移動(dòng)加權(quán)平均去趨勢(shì)波動(dòng)法的特例。數(shù)值模擬表明移動(dòng)加權(quán)平均去趨勢(shì)波動(dòng)法能有效地去除序列趨勢(shì),提高Hurst值計(jì)算精度。將加權(quán)移動(dòng)平均去趨勢(shì)波動(dòng)法(DWMA)研究滬深300指數(shù)現(xiàn)貨和期貨已實(shí)現(xiàn)波動(dòng)率的長(zhǎng)記憶性,說(shuō)明了新算法的實(shí)用性。(3)根據(jù)移動(dòng)加權(quán)平均去趨勢(shì)波動(dòng)法(DWMA)及其多重分形擴(kuò)展(MFDWMA),對(duì)滬深300指數(shù)現(xiàn)貨和期貨市場(chǎng)的有效性進(jìn)行分析。對(duì)現(xiàn)貨市場(chǎng),分析期貨引入前后,市場(chǎng)有效性和多重分形性的變化。結(jié)果表明期貨引入后,現(xiàn)貨市場(chǎng)的有效性得到提高,且市場(chǎng)的復(fù)雜性和風(fēng)險(xiǎn)性也有所降低。對(duì)期貨市場(chǎng),利用滑動(dòng)窗技術(shù),研究市場(chǎng)的漸進(jìn)有效性,結(jié)果表明在期貨上市初期,市場(chǎng)并非有效,在市場(chǎng)運(yùn)行中期逐步有效,然而在市場(chǎng)運(yùn)行近期又稍偏離有效性。此外,利用最新發(fā)展的非線性Granger因果非參數(shù)Tn檢驗(yàn)法以及傳統(tǒng)的線性Granger因果檢驗(yàn)法,對(duì)滬深300指數(shù)現(xiàn)貨與期貨市場(chǎng)進(jìn)行價(jià)格引導(dǎo)相互作用分析,研究表明,在整個(gè)研究階段,滬深300指數(shù)現(xiàn)貨和期貨之間存在線性和非線性的Granger因果關(guān)系;在期貨上市之初,股指期貨與現(xiàn)貨互為線性Granger因果關(guān)系,且只存在期貨對(duì)現(xiàn)貨的非線性Granger因果關(guān)系;在隨后階段內(nèi),期貨對(duì)現(xiàn)貨的線性和非線性關(guān)系仍然顯著,而現(xiàn)貨對(duì)期貨的線性和非線性Granger作用逐漸減弱�？偟膩�(lái)說(shuō),期貨對(duì)現(xiàn)貨的價(jià)格發(fā)現(xiàn)從線性角度和非線性角度都起到主導(dǎo)作用。(4)從事件發(fā)生的時(shí)間角度,利用冪律分布、條件概率分布、去趨勢(shì)波動(dòng)法等分析滬深300指數(shù)現(xiàn)貨和期貨市場(chǎng)的波動(dòng)率與成交量重現(xiàn)時(shí)間間隔(重現(xiàn)期)特征,結(jié)果表明極端事件發(fā)生的概率分布與一般事件具有標(biāo)度一致性,暗示極端事件概率分布可由一般事件來(lái)推導(dǎo)出;波動(dòng)率和成交量重現(xiàn)期均具有長(zhǎng)記憶和短記憶性,為重現(xiàn)期預(yù)測(cè)提供理論支撐;波動(dòng)率與成交量重現(xiàn)期的概率相關(guān)性分析表明二者具有同步性。進(jìn)一步,探討了重現(xiàn)期在風(fēng)險(xiǎn)管理中的應(yīng)用,為風(fēng)險(xiǎn)預(yù)測(cè)、管理提供一個(gè)新的視角。(5)利用金融物理學(xué)方法找出滬深300指數(shù)現(xiàn)貨和期貨存在的一些典型事實(shí),構(gòu)建不同分布下的GARCH族模型,從而分別對(duì)滬深300指數(shù)現(xiàn)貨和期貨市場(chǎng)進(jìn)行Va R測(cè)度,并用返回測(cè)試中的似然比和動(dòng)態(tài)分位數(shù)回歸加以檢驗(yàn),結(jié)果表明對(duì)滬深300指數(shù)現(xiàn)貨而言,收益分布偏離正態(tài)分布,收益率的長(zhǎng)記憶性并不明顯,而波動(dòng)率則有很強(qiáng)的長(zhǎng)記憶性。在樣本內(nèi)和樣本外,假定收益分布服從有偏學(xué)生t分布的Va R測(cè)度模型精度高于正態(tài)分布和學(xué)生t分布;HYGARCH模型對(duì)滬深300指數(shù)現(xiàn)貨能提供更高精度的Va R測(cè)度。對(duì)于滬深300指數(shù)期貨來(lái)說(shuō),期貨收益分布的非對(duì)稱(chēng)性并不顯著,但存在尖峰厚尾性,其分布也遠(yuǎn)離正態(tài)分布。收益序列幾乎不存在長(zhǎng)記憶性,但波動(dòng)率存在顯著的長(zhǎng)記憶性。無(wú)論在樣本內(nèi)樣本外,收益分布服從t分布和有偏學(xué)生t分布模型的Va R測(cè)度精度要高于正態(tài)分布,然而,t分布和有偏學(xué)生t分布對(duì)應(yīng)的Va R測(cè)度精度相差不大,與收益分布的對(duì)稱(chēng)性是一致的;GJR模型對(duì)滬深300指數(shù)期貨的Va R測(cè)度是最有效的。(6)針對(duì)滬深300指數(shù)現(xiàn)貨對(duì)數(shù)已實(shí)現(xiàn)波動(dòng)率偏離正態(tài)分布的特征,采用對(duì)刻畫(huà)序列分布特征更廣的有偏學(xué)生t分布來(lái)擬合對(duì)數(shù)已實(shí)現(xiàn)波動(dòng)率;同時(shí),根據(jù)金融市場(chǎng)存在的典型事實(shí),采用更多GARCH族模型,對(duì)滬深300指數(shù)現(xiàn)貨對(duì)數(shù)已實(shí)現(xiàn)波動(dòng)率模型擾動(dòng)項(xiàng)條件時(shí)變異方差建模,在不同損失函數(shù)下,用MCS檢驗(yàn)法,對(duì)分布不同和模型不同的已實(shí)現(xiàn)波動(dòng)率模型預(yù)測(cè)結(jié)果進(jìn)行評(píng)價(jià),結(jié)果表明:就分布而言,有偏學(xué)生t分布下的已實(shí)現(xiàn)波動(dòng)率模型預(yù)測(cè)結(jié)果比正態(tài)分布的更精確;對(duì)于已實(shí)現(xiàn)波動(dòng)率預(yù)測(cè)模型而言,ARFIMAX或ARFIMAX-GARCH族模型能提供較好的預(yù)測(cè)精度。對(duì)于滬深300指數(shù)期貨已實(shí)現(xiàn)波動(dòng)率模型,也得到類(lèi)似結(jié)果。研究豐富了現(xiàn)有已實(shí)現(xiàn)波動(dòng)率建模體系,為波動(dòng)率的預(yù)測(cè)提供新的方法。
【關(guān)鍵詞】：修正配分函數(shù)法 移動(dòng)加權(quán)平均去趨勢(shì)波動(dòng)法 重現(xiàn)期 典型事實(shí) Va R測(cè)度 已實(shí)現(xiàn)波動(dòng)率 滬深300指數(shù)現(xiàn)貨和期貨
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：F724.5
【目錄】：

• 摘要4-6
• ABSTRACT6-13
• 第一章 緒論13-26
• 1.1 研究背景與研究意義13-14
• 1.1.1 研究背景13-14
• 1.1.2 研究意義14
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀14-22
• 1.2.1 金融物理學(xué)中的分形及重現(xiàn)期技術(shù)研究15-19
• 1.2.2 計(jì)量經(jīng)濟(jì)學(xué)中VaR測(cè)度和已實(shí)現(xiàn)波動(dòng)率的研究19-21
• 1.2.3 滬深300指數(shù)現(xiàn)貨和期貨的實(shí)證研究21-22
• 1.3 研究?jī)?nèi)容、方法與技術(shù)路線22-26
• 1.3.1 研究?jī)?nèi)容22-24
• 1.3.2 研究方法與技術(shù)路線24-26
• 第二章 配分函數(shù)法的改進(jìn)及其性質(zhì)研究26-38
• 2.1 傳統(tǒng)配分函數(shù)法性質(zhì)及參數(shù)經(jīng)濟(jì)含義26-30
• 2.1.1 傳統(tǒng)配分函數(shù)法26-27
• 2.1.2 性質(zhì)及參數(shù)經(jīng)濟(jì)含義27-30
• 2.2 修正配分函數(shù)法30-37
• 2.2.1 修正配分函數(shù)法的構(gòu)建30-32
• 2.2.2 修正配分函數(shù)法的數(shù)值模擬32-33
• 2.2.3 實(shí)例分析33-37
• 2.3 小結(jié)37-38
• 第三章 移動(dòng)加權(quán)平均去趨勢(shì)波動(dòng)法的構(gòu)建及應(yīng)用分析38-46
• 3.1 移動(dòng)平均去趨勢(shì)波動(dòng)法（DMA）38-39
• 3.2 移動(dòng)加權(quán)平均去趨勢(shì)波動(dòng)法的構(gòu)建（DWMA）39-43
• 3.2.1 灰色算子39-40
• 3.2.2 移動(dòng)加權(quán)平均去趨勢(shì)波動(dòng)法（DWMA）40-41
• 3.2.3 數(shù)值模擬41-43
• 3.3 實(shí)證分析43-45
• 3.3.1 滬深300現(xiàn)貨和期貨已實(shí)現(xiàn)波動(dòng)率的長(zhǎng)記憶性43-45
• 3.4 小結(jié)45-46
• 第四章 滬深300指數(shù)現(xiàn)貨和期貨市場(chǎng)的有效性和相互引導(dǎo)分析46-66
• 4.1 滬深300指數(shù)現(xiàn)貨市場(chǎng)有效性分析46-55
• 4.1.1 多重分形移動(dòng)加權(quán)平均去趨勢(shì)波動(dòng)法的構(gòu)建46-49
• 4.1.2 數(shù)據(jù)選取及統(tǒng)計(jì)描述49-50
• 4.1.3 實(shí)證結(jié)果50-55
• 4.2 滬深300指數(shù)期貨市場(chǎng)有效性分析55-57
• 4.2.1 數(shù)據(jù)統(tǒng)計(jì)描述55
• 4.2.2 實(shí)證分析55-57
• 4.3 滬深300指數(shù)現(xiàn)貨和期貨的相互引導(dǎo)作用分析57-64
• 4.3.1 線性與非線性Granger方法58-60
• 4.3.2 實(shí)證研究60-64
• 4.4 小結(jié)64-66
• 第五章 滬深300指數(shù)現(xiàn)貨與期貨重現(xiàn)期分析及應(yīng)用66-84
• 5.1 滬深300指數(shù)現(xiàn)貨重現(xiàn)期分析66-73
• 5.1.1 數(shù)據(jù)及其處理66-68
• 5.1.2 重現(xiàn)期的概率分布68-69
• 5.1.3 重現(xiàn)期的記憶性69-71
• 5.1.4 波動(dòng)率和成交量重現(xiàn)期關(guān)系71-72
• 5.1.5 風(fēng)險(xiǎn)管理中的應(yīng)用72-73
• 5.2 滬深300指數(shù)期貨重現(xiàn)期分析73-79
• 5.2.1 數(shù)據(jù)及處理73-75
• 5.2.2 重現(xiàn)期的概率分布75-76
• 5.2.3 重現(xiàn)期的記憶性76-78
• 5.2.4 波動(dòng)率和成交量重現(xiàn)期關(guān)系78-79
• 5.3 滬深300指數(shù)現(xiàn)貨和期貨重現(xiàn)期的灰色自記憶預(yù)測(cè)79-83
• 5.3.1 灰色GM（1,1）自記憶模型79-82
• 5.3.2 重現(xiàn)期預(yù)測(cè)82-83
• 5.4 小結(jié)83-84
• 第六章 典型事實(shí)下的滬深300指數(shù)現(xiàn)貨和期貨VaR測(cè)度分析84-99
• 6.1 滬深300指數(shù)現(xiàn)貨VaR測(cè)度分析84-91
• 6.1.1 計(jì)量模型與方法84-86
• 6.1.2 實(shí)證分析86-91
• 6.2 滬深300指數(shù)期貨VaR測(cè)度分析91-98
• 6.2.1 計(jì)量模型與方法92
• 6.2.2 實(shí)證分析92-98
• 6.3 小結(jié)98-99
• 第七章 典型事實(shí)下的滬深300現(xiàn)貨和期貨已實(shí)現(xiàn)波動(dòng)率預(yù)測(cè)99-116
• 7.1 滬深300指數(shù)現(xiàn)貨的已實(shí)現(xiàn)波動(dòng)率模型建立及預(yù)測(cè)99-110
• 7.1.1 數(shù)據(jù)及已實(shí)現(xiàn)波動(dòng)率的估計(jì)100-101
• 7.1.2 已實(shí)現(xiàn)波動(dòng)率的預(yù)測(cè)模型構(gòu)建101-104
• 7.1.3 已實(shí)現(xiàn)波動(dòng)率的預(yù)測(cè)方法104-106
• 7.1.4 實(shí)證結(jié)果106-110
• 7.2 滬深300指數(shù)期貨已實(shí)現(xiàn)波動(dòng)率預(yù)測(cè)110-115
• 7.2.1 數(shù)據(jù)及其描述110-111
• 7.2.2 已實(shí)現(xiàn)波動(dòng)率的預(yù)測(cè)模型構(gòu)建111-113
• 7.2.3 已實(shí)現(xiàn)波動(dòng)率的預(yù)測(cè)方法113
• 7.2.4 實(shí)證結(jié)果113-115
• 7.3 小結(jié)115-116
• 第八章 總結(jié)與展望116-120
• 8.1 全文小結(jié)116-118
• 8.2 主要?jiǎng)?chuàng)新點(diǎn)118
• 8.3 研究不足與展望118-120
• 參考文獻(xiàn)120-131
• 致謝131-132
• 在校期間的研究成果及發(fā)表論文132

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 唐勇;張世英;;高頻數(shù)據(jù)的加權(quán)已實(shí)現(xiàn)極差波動(dòng)及其實(shí)證分析[J];系統(tǒng)工程;2006年08期

2 魏宇;;中國(guó)股票市場(chǎng)的最優(yōu)波動(dòng)率預(yù)測(cè)模型研究——基于滬深300指數(shù)高頻數(shù)據(jù)的實(shí)證分析[J];管理學(xué)報(bào);2010年06期

3 魏振祥;楊晨輝;劉新梅;;滬深300指數(shù)期貨與國(guó)內(nèi)外股指期貨市場(chǎng)間的信息傳遞效應(yīng)[J];財(cái)貿(mào)經(jīng)濟(jì);2012年08期

4 曹鴻興;大氣運(yùn)動(dòng)的自憶性方程[J];中國(guó)科學(xué)(B輯 化學(xué) 生命科學(xué) 地學(xué));1993年01期

5 魏宇;;金融市場(chǎng)的多分形波動(dòng)率測(cè)度、模型及其SPA檢驗(yàn)[J];管理科學(xué)學(xué)報(bào);2009年05期

6 魏宇;余怒濤;;中國(guó)股票市場(chǎng)的波動(dòng)率預(yù)測(cè)模型及其SPA檢驗(yàn)[J];金融研究;2007年07期

7 左浩苗;劉振濤;曾海為;;基于高頻數(shù)據(jù)的股指期貨與現(xiàn)貨市場(chǎng)波動(dòng)溢出和信息傳導(dǎo)研究[J];金融研究;2012年04期

8 華仁海;劉慶富;;股指期貨與股指現(xiàn)貨市場(chǎng)間的價(jià)格發(fā)現(xiàn)能力探究[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2010年10期

9 佟孟華;;滬深300股指期貨動(dòng)態(tài)套期保值比率模型估計(jì)及比較——基于修正的ECM-BGARCH(1,1)模型的實(shí)證研究[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2011年04期

10 何誠(chéng)穎;張龍斌;陳薇;;基于高頻數(shù)據(jù)的滬深300指數(shù)期貨價(jià)格發(fā)現(xiàn)能力研究[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2011年05期

，

本文編號(hào)：597409