本文選題：小波多分辨分析　切入點：已實現波動率RV　出處：《重慶師范大學學報(自然科學版)》2017年03期

【摘要】：【目的】對股票市場的VaR動態(tài)風險價值進行研究。【方法】采用小波多分辨技術將高頻已實現波動率分解為近似信號和細節(jié)信號,建立MRA-RV-ARFIMA GARCH-VaR類模型,分別在1~2d、2~4d、4~8d和8~16d的尺度下進行動態(tài)風險價值度量�！窘Y果】實證表明該模型能很好地捕捉到市場的信息,對風險預測效果較好�！窘Y論】經過多分辨分解后的信號能有效地捕捉到不同時間尺度上的波動信息,近似信號能很好的反應波動的變化趨勢,資產波動對短期交易反應敏感,不同時間尺度擬合的VaR比低頻GARCH類模型效果更好。
[Abstract]:[objective] to study the dynamic risk value of VaR in stock market. [methods] High frequency realized volatility is decomposed into approximate signal and detail signal by wavelet multi-resolution technique, and MRA-RV-ARFIMA GARCH-VaR model is established.The dynamic risk value measurement was carried out on the scale of 1D ~ 2D ~ 2D ~ 4d ~ 4d ~ 4d ~ 4d and ~ 816d respectively. [results] empirical results show that the model can capture market information very well.[conclusion] the signal after multi-resolution decomposition can effectively capture the fluctuation information on different time scales, the approximate signal can well reflect the fluctuating trend, and the asset fluctuation is sensitive to short-term trading.The VaR with different time scales is more effective than the low frequency GARCH model.
【作者單位】： 重慶三峽學院數學與統計學院非線性科學與系統結構重點實驗室;西南政法大學經濟學院;
【基金】：重慶市教委科技計劃項目(No.KJ130107) 重慶市自然科學基金項目(No.cstc2012jjA00023) 重慶三峽學院青年項目(No.14QN22)
【分類號】：F830.91;O211.67

【相似文獻】

相關期刊論文 前2條

1 劉學;張化祥;戚文靜;袁衛(wèi)華;;基于SVM的信息系統風險動態(tài)識別和評估[J];信息技術與信息化;2010年03期

2 ;[J];;年期

相關會議論文 前2條

1 章立;呂宏生;何建敏;胡小平;;非瓦爾拉斯市場下的動態(tài)風險價值[A];中國災害防御協會風險分析專業(yè)委員會第二屆年會論文集（一）[C];2006年

2 胡永宏;陸忠華;;滬深股市動態(tài)風險結構特征分析[A];中國現場統計研究會第12屆學術年會論文集[C];2005年

相關碩士學位論文 前2條

1 王艷妮;住房置業(yè)擔保全動態(tài)風險管理研究[D];西安建筑科技大學;2011年

2 柏小麗;動態(tài)風險下配電側的最優(yōu)購電分配模型[D];西華大學;2011年

，

本文編號：1728108