本文關(guān)鍵詞：基于異構(gòu)平臺(tái)的實(shí)時(shí)值VaR研究

  更多相關(guān)文章： 風(fēng)險(xiǎn)價(jià)值 Hurst指數(shù) Monte Carlo模擬 CPU+MIC異構(gòu)

【摘要】：在現(xiàn)代的金融自動(dòng)化交易系統(tǒng)中最核心模塊主要是策略模塊與風(fēng)險(xiǎn)量化模塊,其中策略量化模塊目前多利用風(fēng)險(xiǎn)價(jià)值(VaR)來(lái)作為相應(yīng)資產(chǎn)組合風(fēng)險(xiǎn)量化的工具。VaR是否能有效實(shí)現(xiàn)風(fēng)險(xiǎn)的量化又取決于風(fēng)險(xiǎn)模型本身的可靠性與其算法的高效實(shí)現(xiàn)。風(fēng)險(xiǎn)模型用于描述對(duì)象金融產(chǎn)品價(jià)格波動(dòng)的隨機(jī)過(guò)程,其中關(guān)鍵在于確定價(jià)格波動(dòng)的相關(guān)性亦或記憶性。不過(guò)各種的金融產(chǎn)品記憶性的時(shí)間維度各不相同,有的在短期存在記憶性,而有的則在長(zhǎng)期存在記憶性。根據(jù)投資者交易頻率的不同,短期或長(zhǎng)期的記憶性對(duì)于價(jià)格波動(dòng)的影響程度也各異。由于國(guó)內(nèi)股票交易市場(chǎng)基本是按日線T+1交易,故而日間的長(zhǎng)期記憶性分析對(duì)于相應(yīng)金融產(chǎn)品的風(fēng)險(xiǎn)量化意義重大。本文則利用基于重標(biāo)極差法計(jì)算的Hurst指數(shù)來(lái)創(chuàng)業(yè)板355支股票時(shí)間序列的長(zhǎng)期記憶性。經(jīng)過(guò)本文計(jì)算發(fā)現(xiàn)創(chuàng)業(yè)板股票都存在長(zhǎng)期記憶性,并且有超過(guò)87%的股票Hurst指數(shù)處在[0.66,0.71]范圍內(nèi)。因而在利用VaR來(lái)量化相應(yīng)金融產(chǎn)品風(fēng)險(xiǎn)時(shí),可以利用上述長(zhǎng)期記憶性來(lái)優(yōu)化相應(yīng)風(fēng)險(xiǎn)因子的風(fēng)險(xiǎn)模型。風(fēng)險(xiǎn)模塊的高效實(shí)現(xiàn)主要目的是相比于競(jìng)爭(zhēng)對(duì)手能更快的發(fā)現(xiàn)風(fēng)險(xiǎn),盡早做出反應(yīng)降低損失。在VaR實(shí)際計(jì)算中,基于Monte Carlo模擬的方法因?yàn)槠溆?jì)算成本的高昂,限制了其在大規(guī)模資產(chǎn)風(fēng)險(xiǎn)量化中的應(yīng)用。本文針對(duì)此點(diǎn),結(jié)合近些年來(lái)逐漸在超級(jí)計(jì)算領(lǐng)域流行的協(xié)處理器提出了基于CPU+MIC異構(gòu)高性能平臺(tái)來(lái)加速M(fèi)onte Carlo模擬的計(jì)算過(guò)程。經(jīng)過(guò)優(yōu)化努力,CPU+MIC異構(gòu)高性能平臺(tái)相比于原來(lái)CPU單線程程序加速9.12倍。此將大幅提高投資者對(duì)風(fēng)險(xiǎn)的反應(yīng)速度。
【關(guān)鍵詞】：風(fēng)險(xiǎn)價(jià)值 Hurst指數(shù) Monte Carlo模擬 CPU+MIC異構(gòu)
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：F830.9;TP38
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 緒論9-16
• 1.1 選題的背景和意義9-14
• 1.2 本文主要工作14
• 1.3 本文的主要?jiǎng)?chuàng)新之處14-15
• 1.4 本文組織結(jié)構(gòu)15-16
• 第二章 相關(guān)理論與技術(shù)16-30
• 2.1 股票市場(chǎng)長(zhǎng)期記憶性研究現(xiàn)狀16-19
• 2.2 基于VaR的風(fēng)險(xiǎn)管理發(fā)展19-22
• 2.2.1 歷史模擬法21
• 2.2.2 方差-協(xié)方差法21-22
• 2.2.3 Monte Carlo模擬法22
• 2.3 VaR風(fēng)險(xiǎn)管理應(yīng)用研究現(xiàn)狀22-27
• 2.4 集成眾核(MIC)簡(jiǎn)介27-30
• 第三章 創(chuàng)業(yè)板的市場(chǎng)風(fēng)險(xiǎn)建模30-42
• 3.1 創(chuàng)業(yè)板股票Hurst指數(shù)實(shí)證分析30-34
• 3.2 創(chuàng)業(yè)板股票基于ARFIMA模型的VaR建模34-39
• 3.2.1 ARMA模型與ARIMA模型35-37
• 3.2.2 ARFIMA模型建模37-39
• 3.3 基于ARFIMA模型的VaR計(jì)算實(shí)證分析39-41
• 3.4 本章小結(jié)41-42
• 第四章 基于VaR方法的實(shí)時(shí)市場(chǎng)風(fēng)險(xiǎn)計(jì)量42-56
• 4.1 CPU+MIC協(xié)同計(jì)算硬件平臺(tái)介紹42-44
• 4.2 CPU+MIC協(xié)同計(jì)算流程設(shè)計(jì)44-49
• 4.3 CPU+MIC協(xié)同計(jì)算的并行化與優(yōu)化49-55
• 4.4 本章小結(jié)55-56
• 第五章 程序化自動(dòng)風(fēng)險(xiǎn)管理56-68
• 5.1 程序化交易系統(tǒng)簡(jiǎn)介57-59
• 5.2 融資融券程序化交易系統(tǒng)功能模塊簡(jiǎn)介59-67
• 5.2.1 數(shù)據(jù)輸入模塊59-62
• 5.2.2 策略分析模塊62-63
• 5.2.3 基于VaR的資金管理功能63-64
• 5.2.4 訂單生成與執(zhí)行模塊64-67
• 5.3 本章小結(jié)67-68
• 第六章 總結(jié)與展望68-69
• 致謝69-70
• 參考文獻(xiàn)70-77

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 田新時(shí),劉漢中,李耀;滬深股市一般誤差分布(GED)下的VaR計(jì)算[J];管理工程學(xué)報(bào);2003年01期

2 莊泓剛;王春峰;房振明;盧濤;;基于L-矩的厚尾分布動(dòng)態(tài)擬合研究[J];管理學(xué)報(bào);2010年08期

3 余素紅,張世英,宋軍;基于GARCH模型和SV模型的VaR比較[J];管理科學(xué)學(xué)報(bào);2004年05期

，

本文編號(hào)：920878