论文部分内容阅读
本文从GARCH族模型和已实现波动率两个角度,对沪深300指数的高频数据进行了波动特征研究。全文分成5章。第一章绪论,首先介绍金融高频数据的研究意义和主要研究方向；接下来是文献综述,从国外研究成果和国内研究成果两个角度对高频数据波动特征的研究方法和结论进行了综述,并在该节结束的时候总结了研究现状中的不足和需要补充的地方；本章最后对文章的内容安排和创新点做了介绍。
第二章是概念和模型介绍,介绍了和本文有关的主要概念如收益率、波动率,以及波动特征研究方面的重要模型。
第三章是对基本统计特征的描述,第一节进行了研究对象、研究角度的选择和研究方法选择的阐述,第二节对数据来源和前期处理进行了说明,第三节从描述性统计的角度,对高频数据按不同时间间隔划分得到的不同分类的特殊性质进行刻画、分析和比较。
第四章波动特征研究,分为两个角度,第一节是用GARCH族模型分别对沪深300指数的日内、午间、隔夜收益率的波动特征进行研究,比较不同模型的拟合效果之后,确定出最优模型,并用该模型对波动特征的预测进行了讨论。第二节引入已实现波动率的概念,对沪深300指数的波动特征进行研究,研究之前首先使用前人研究成果中的最优频率选择方法确定出最优频率,接下来对原始的已实现波动率的定义进行了创新性的调整,得到调整后的已实现波动率,最后比较了GARCH族模型得到的波动率、原始定义已实现波动率以及调整后的已实现波动率。
第五章结论,一方面总结了本文研究得到的重要结论,另一方面分析了本文还存在的不足和进一步研究的方向。
本文的主要结论有：一是三类时间间隔划分下的数据在统计量方面呈现出非常明显的不同；二是对三类时间间隔划分下的GARCH族模型的实证结果表明,残差分布假设为t分布的EGARCH模型得到的拟合效果最好,并且不同时间间隔的数据得到的模型并不相同。三在预测方面,在本文设定的预测水平和模型选择条件下,对时间间隔为5分钟的日内收益率序列波动率和午间间隔的收益率序列波动率的预测效果比对隔夜间隔的收益率序列波动率的预测效果要好,对隔夜间隔的收益率序列波动率的预测表现出了一定程度的高估。四是在已实现波动率的调整系数中本文加入了对午间收益率方差的考虑,得到的调整系数约为1.5594。五是研究结果表明EGARCH模型估计的波动率小于已实现波动率计算得到的波动率,尤其是调整后的已实现波动率数值更大。本文的创新主要有：
(一)讨论了多种时间间隔的收益率统计特征,其中不仅包括了日内5分钟间隔,日内10分钟间隔等,还包括午间间隔,隔夜间隔和包含所有数据的每分钟间隔。使得我们对沪深300指数高频数据不同时间间隔的收益率统计特征认识更全面更具体。
(二)从使用模型进行波动特征探索的角度来说,不仅讨论了很多文献中讨论的时间间隔为5分钟的日内收益率的波动特征,而且讨论了隔夜间隔的收益率波动特征和午间间隔的收益率波动特征。用GARCH族模型对不同的三类时间间隔的收益率分别进行波动特征的模型拟合,通过拟合效果选择出最优模型,并对分别得到的最优模型的预测能力进行了讨论和验证。
(三)对已实现波动率的定义进行了拓展,在已实现波动率的调整系数中增加了午间间隔的收益率方差,从而在波动率上增加考虑了午间时间间隔对波动率的影响。找到了沪深300指数高频数据计算已实现波动率的最优频率,并对该频率条件下得到的已实现波动率和GARCH族模型得到的波动率进行了比较。