论文部分内容阅读
随着金融市场波动性的不断加剧,对波动性的度量和预测成为证券技术分析和资产风险控制管理的一个重要部分。
目前国内学者利用月、周、日等低频数据对股票市场的波动率进行了很多的研究,但高频数据为基础的研究还不多见。本文正是以高频数据为基础,借助于ARCH高频数据模型,对我国证券市场中的上证50ETF指数基金的15分钟高频数据序列进行了统计分析,描述了其相关的统计信息,对其收益率的波动模型进行了刻画,应用GARCH/GARCH-M和EGARCH三种模型进行对比分析,并在数据样本内进行了预测分析。
高频金融时间序列数据包含了相对低频数据更多的丰富信息,对揭示金融市场的微观结构,分析波动率和波动持续产生的原因有重要的作用。
高频金融时间序列的研究不管是对于金融工程理论工作者,还是对于金融领域从业人员、金融投资者都具有十分重要的理论和实践意义。从统计和金融工程理论上来说：
一、高频数据包含市场微观结构的信息及更多的重要市场交易信息,对高频数据的研究有助于揭示波动率及波动持续性产生的根本原因。
二、基于高频时间序列的“已实现”波动率,不仅是可直接观测,而且计算方便,可以克服其他模型参数难于估计的弱点。
三、金融微观结构理论中的波动模型的研究大多是定性的描述,这些理论在多大程度上符合实际,需要利用高频金融时间序列的实证研究来对其进行检验,并在实践中进行完善和发展,以期发现更适合更精确和更实用的波动模型。
在实践中,对高频时间数据的实证研究,使我们能够借鉴国内外先进的统计和金融计量经济学的文献和研究成果,结合我国证券市场的实际情况,对证券市场的波动情况进行快速的整体上的把握,并结合证券技术分析方法,寻找证券价格波动中的盈利机会,回避市场风险。同时,通过模型的实证结果力求揭示我国证券市场中的高频数据的统计特征,对深入研究中国证券市场行为,认识中国证券市场的发展状况、成熟程度、改进投资者的投资决策、更为有效地管理与控制风险,对加强宏观监管、引导股市健康发展有重要现实意义。
本文第一章首先对论文的现实背景和理论及其实践意义进行阐述,对金融高频时间序列波动性研究的主要理论以及国内外的研究具体应用情况进行简要概述。
第二章,对高频时间序列数据的特点进行分析,并对ARCH族模型进行理论上的描述,为进一步的实证分析作理论上的准备。
第三章,对50ETF指数基金收益率序列进行基本的统计特征分析。然后对序列进行ARCH族模型拟合,首先利用EViews软件检验序列是否具有ARCH效应,进而依据检验结果建立起3种的ARCH模型,得出回归结果,并进行预测分析。
第四章,对全文作出了总结,并对不足和改进之处提出建议。
本文采用了50ETF指数基金的近4000个数据,对其15分钟的收益率序列进行的实证,对ARCH波动模型的拟合结果印证了我们对其存在ARCH效应的假设,同时用该模型进行预测分析,对比实际收益序列效果良好,能够在一定程度上对我们证券投资活动进行指导。在考虑收益率序列的自相关性后,通过不同的均值方程的设定,比较了GARCH-M(1,1)模型的回归结果,并提出根据均线参数的设置来对高频时间数据进行划分来研究波动情况,对实际的投资过程预防短线风险,发现盈利机会有所启示。