市场微观结构噪音下实际波动率估计以及期权定价

发布时间：2022-01-02 13:14

　　在大数据的时代背景下,数据包含的信息越来越成为能直接转化为现实收益的有效资源。目前,高频交易（High Frequency Trading）在中国大陆少之又少,而近些年在香港地区已经逐渐发展起来,在国外更是方兴未艾。因此,可以预见,高频交易是未来发展的趋势。但是和普通低频数据相比,高频数据有一些不同的性质,尤其是它包含的市场微观结构噪音（Market Microstructure Noise）足以使资产定价过程发生偏离,所以之前建立在普通低频数据上的模型和方法已经不再完全适用。本文就是立足于中国市场上证50ETF（China 50ETF）的样本,针对高频数据中包含的市场微观结构噪音而展开了研究,主要内容包括实际波动率的估计（Realized Volatility Estimating）以及期权定价（Option Pricing）。在市场微观结构方面,本文首先梳理了相关理论,包括市场微观结构的定义、功能以及理论研究范畴;然后通过模型解释了市场微观结构在资产价格发现过程中扮演的角色;最后揭示出微观结构噪音确实存在的现象。事实上,这些市场微观结构噪音是来自真实交易过程中存在的一系列市场摩擦,... 

【文章来源】：中南财经政法大学湖北省 211工程院校 教育部直属院校

【文章页数】：98 页

【学位级别】：硕士

【部分图文】：

图.，加27匕臼.月翻翻月‘.习困，欲右.，.日知

?市场微观结构噪音下的实际波动率估计以及期权定价????表３－１?２０１７年上证５０ＥＴＦ基金描述性分析???＾?指标?数值?指标?数值??交易天数?２４３?平均每日交易量?２７８８．８３５??全年样本容量?６７７６８７?最大日交易量?４４０２??平均交易间隔时间?８．７３ｓ?最小日交易量?１３２８??３．２?１?１?１??

０１?２３４５６７８９?１０?１１??滞后阶数??图３－３?２０１７年上证５０对数收益率序列自相关滞后阶数分布直方图??从上图中可以看出，没有对数收益率序列服从ＭＡ（１）过程，所有交易日中最低的??滞后阶数为２，有３９个交易日的滞后阶数落在此区域。大部分交易日的数据都滞后??在２－５阶，平均滞后阶数、滞后阶数的中位数、滞后阶数的众数皆在４左右，最高可??滞后１０阶。所以从单日数据来看，上证５０ＥＴＦ基金的噪音并不是独立同分布的。但??１８虽然每天样本数量差别较大，但判断自相关系数是否显著的临界值的数量级均小于１〇－２。??３４??

【参考文献】：
期刊论文
[1]HAR-RV-EMD-J模型及其对金融资产波动率的预测研究[J]. 龚旭,文凤华,黄创霞,杨晓光.  管理评论. 2017(01)
[2]市场微观结构噪声的形成机制研究[J]. 刘威仪.  金融理论与实践. 2014(07)
[3]上证综指的已实现波动率预测模型[J]. 杨科,陈浪南.  数理统计与管理. 2013(01)
[4]基于高频数据的波动率建模及应用研究评述[J]. 王天一,黄卓.  经济学动态. 2012(03)
[5]中国股市已实现“核”波动研究[J]. 王春峰,郑仲民,房振明.  北京理工大学学报(社会科学版). 2011(03)
[6]股市的节日效应探源:基于上证综指和深证成指收益率[J]. 严太华,齐颂超.  改革. 2011(01)
[7]中国股市微观结构噪音与流动性关系研究[J]. 刘庆斌,姜薇.  统计与决策. 2009(20)
[8]已实现波动率估计中不同降噪方法的比较分析及实证[J]. 韩清,刘永刚.  数量经济技术经济研究. 2009(08)
[9]基于微观结构噪音修正的波动率估计——以中国股市逐笔交易数据为样本[J]. 梁崴,王春峰,房振明,张蕊.  系统工程. 2009(02)
[10]高频金融数据市场微观结构噪音误差[J]. 赵杰.  合肥工业大学学报(自然科学版). 2008(03)

博士论文
[1]基于证券市场微观结构的噪音及资产价格行为研究[D]. 张颖洁.天津大学 2011

硕士论文
[1]超高频期货市场微观结构噪音实证研究[D]. 苟开桂.西南财经大学 2013



本文编号：3564240