基于已实现极差双幂次变差的我国沪深300股指期货波动率度量与预测研究

发布时间：2017-04-23 13:10

  本文关键词：基于已实现极差双幂次变差的我国沪深300股指期货波动率度量与预测研究，由笔耕文化传播整理发布。

【摘要】：股指期货自提出以来就一直受到人们的重视,它有利于资产管理和风险的规避,是非常重要的金融衍生工具。我国沪深300股指期货自2010年4月16日推出以来就深受大家的欢迎,其成交量也突飞猛进,成为全球第一大股指期货。沪深300股指期货价格的波动率是反映其风险程度的一个重要标志。因此建立一个能够准确刻画和预测沪深300股指期货波动率的模型,具有重要理论和现实意义。本文针对以往研究的不足,通过数学建模和实证分析开展了以下研究工作:1.通过对既能规避市场微观噪音,又能保留更多信息的沪深300股指期货5分钟高频数据进行分析,验证了我国沪深300股指期货高频数据同样具有高频数据典型的统计特征,即高峰厚尾性、日历性、长记忆性、自相关性。2.从描述性统计量、跳跃波动的刻画、长记忆性三个方面对已实现波动率,已实现极差波动率,已实现双幂次变差和已实现极差双幂次变差四种波动率进行了实证比较研究,结果表明,与其他波动率估计量相比,已实现极差双幂次变差在描述性统计量上具有更小的均值和方差,且能够对跳跃波动率进行更有效的刻画。3.基于异质市场假说和已实现极差双幂次变差构建了已实现极差双幂次变差异质自回归模型(HAR-RRBV)和考虑跳跃成分的已实现极差双幂次变差异质自回归模型(HAR-RRBV-J)。4.构造了基于已实现极差双幂次变差的异质自回归模型(HAR-RRBV)和考虑跳跃的已实现极差双幂次变差的异质自回归模型(HAR-RRBV-J),对我国沪深300股指期货波动率进行了预测比较,并与HAR-RV模型和HAR-RV-J模型的结果进行了对比研究。在实证中主要通过样本内的拟合程度和样本外预测能力两方面进行比较。其中样本外预测采用动态预测和滚动时间窗法的多步静态预测,通过直观的图形趋势分析和根均方误差(RMSE),平均绝对误差(MAE),平均绝对误差百分比(MAPE),异方差调整均方误(HMSE)四种损失函数值的大小,对不同模型的预测效果进行了对比分析,发现在我国沪深300股指期货波动率研究中,HAR-RRBV和HAR-RRBV-J模型能够有效提高沪深300股指期货波动率的预测精度。
【关键词】：已实现极差双幂次变差 异质自回归模型 沪深300股指期货 滚动时间窗
【学位授予单位】：山东财经大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224;F724.5;F832.51
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-20
• 1.1 研究背景10-12
• 1.2 研究意义12
• 1.3 国内外研究现状12-17
• 1.3.1 国外研究现状12-14
• 1.3.2 国内研究现状14-16
• 1.3.3 总体评述16-17
• 1.4 论文研究思路、框架17-18
• 1.4.1 论文研究思路17-18
• 1.4.2 论文研究框架18
• 1.5 本文的创新之处18-20
• 第2章 沪深300股指期货高频波动率特征分析20-29
• 2.1 沪深300股指期货介绍20-21
• 2.2 高频金融数据的典型统计特征21-23
• 2.2.1 高峰厚尾性21-22
• 2.2.2 日历性22
• 2.2.3 长记忆性22-23
• 2.2.4 自相关性23
• 2.3 沪深300股指期货高频波动率统计特征23-27
• 2.3.1 金融变量及其统计量介绍24-25
• 2.3.2 高频时间序列高峰厚尾性25
• 2.3.3 自相关性/长记忆性25-26
• 2.3.4 日历性26-27
• 2.4 本章小结27-29
• 第3章 已实现波动率及其扩展形式的特征分析29-38
• 3.1 已实现波动率及其扩展形式概述29-31
• 3.1.1 已实现波动率29-30
• 3.1.2 已实现极差30
• 3.1.3 已实现双幂次变差30-31
• 3.1.4 已实现极差双幂次变差31
• 3.2 已实现波动率及其扩展形式的特征比较31-37
• 3.2.1 描述性统计量31-33
• 3.2.2 跳跃波动刻画33-36
• 3.2.3 长记忆性36-37
• 3.3 本章小结37-38
• 第4章 基于已实现极差双幂次变差的异质市场模型构建38-44
• 4.1 异质市场假说38-39
• 4.2 HAR-RV模型与HAR-RRBV模型39-41
• 4.3 HAR-RV-J模型与HAR-RRBV-J模型41-43
• 4.4 本章小结43-44
• 第5章 HAR-RRBV模型在预测沪深300股指期货波动率上的实证研究44-51
• 5.1 模型预测效果的评价方法概述44-45
• 5.2 HAR-RRBV模型的样本拟合效果实证研究45-46
• 5.3 HAR-RRBV模型的样本外预测有效性实证研究46-50
• 5.3.1 动态预测46-48
• 5.3.2 静态预测48-50
• 5.4 本章小结50-51
• 第6章 结论与对策建议51-54
• 6.1 结论51-52
• 6.2 对策建议52-53
• 6.3 本文的不足之处53-54
• 参考文献54-58
• 致谢58

【相似文献】

中国期刊全文数据库 前10条

1 程伟力;;自回归模型在实践中的问题分析[J];数量经济技术经济研究;2006年01期

2 李文涛;姜海波;王雪琴;;自回归模型选择的多准则方法[J];统计与决策;2010年18期

3 赵春艳;;平滑转换自回归模型的平稳性问题研究[J];数量经济技术经济研究;2012年01期

4 李春红;张可娟;文利霞;;基于空间自回归模型的中部经济增长分析[J];西南大学学报(自然科学版);2012年11期

5 吕效国;;基于异方差线性自回归模型的参数估计[J];职业时空;2007年03期

6 陈若寒;;福建省农民收入的空间自回归模型研究[J];现代经济信息;2013年21期

7 黄克明,胡端平,张国忠;我国通货膨胀与对外经济的半相依自回归模型的研究[J];系统工程理论与实践;2003年04期

8 吴国富，孙传忠;利用周期自回归模型对1995年部分宏观经济指标的预测与分析[J];系统工程理论与实践;1995年07期

9 代洪伟;凌能祥;;居民消费价格指数的非参数自回归模型[J];佳木斯大学学报(自然科学版);2012年01期

10 杨树旺;冯兵;;环境库兹涅茨曲线与自回归模型用于三废污染预测的比较分析[J];管理世界;2007年03期

中国重要会议论文全文数据库 前2条

1 华兴夏;;平滑转换自回归模型的经济学研究综述[A];江苏省外国经济学说研究会2011年学术年会论文集[C];2011年

2 刘志文;;自回归模型应用于洪水实时预报初探[A];2004年湖北省气象学会年会学术论文详细摘要集[C];2004年

中国博士学位论文全文数据库 前4条

1 张旭利;门限整值自回归模型及相依风险模型的建模与推断[D];吉林大学;2016年

2 赵志文;自回归模型的估计与检验[D];吉林大学;2011年

3 张新峰;空间自相关的数据分析方法与应用研究[D];兰州大学;2009年

4 陈伟;自回归模型估计理论及其在变形监测数据处理中的应用[D];武汉大学;2013年

中国硕士学位论文全文数据库 前10条

1 廖友福;基于系数压缩方法的自回归模型识别研究[D];兰州大学;2015年

2 郭双;半参数空间计量经济学模型的研究[D];中央民族大学;2015年

3 梁召;基于PLSA的大数据文本情感分析及其应用[D];电子科技大学;2014年

4 康婷;基于Bayesian的空间变系数自回归模型的参数估计及其应用[D];新疆大学;2015年

5 张静;空间单指标自回归模型的估计与检验[D];新疆大学;2015年

6 陈福明;基于已实现极差双幂次变差的我国沪深300股指期货波动率度量与预测研究[D];山东财经大学;2016年

7 王淑霞;部分线性自回归模型及其应用研究[D];西安理工大学;2008年

8 巩永丽;中国人口增长率的非参数自回归模型[D];西安理工大学;2007年

9 张可娟;空间自回归模型的研究与应用[D];广西大学;2012年

10 王耀青;带有重尾扰动项的函数系数自回归模型[D];山西大学;2008年

  本文关键词：基于已实现极差双幂次变差的我国沪深300股指期货波动率度量与预测研究，，由笔耕文化传播整理发布。

本文编号：322445