基于SV模型的隔夜信息对股票收益和波动影响的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11页 |
| 1.3 论文结构 | 第11-12页 |
| 1.4 论文的主要工作 | 第12-14页 |
| 第2章 文献综述 | 第14-20页 |
| 2.1 关于资产收益波动模型的研究现状 | 第14-16页 |
| 2.2 关于隔夜信息对股票市场影响的研究现状 | 第16-18页 |
| 2.3 关于参数估计方法的研究现状 | 第18-20页 |
| 第3章 股市收益波动模型及比较 | 第20-35页 |
| 3.1 GARCH类模型概述 | 第20-22页 |
| 3.1.1 ARCH模型 | 第20页 |
| 3.1.2 GARCH类模型 | 第20-22页 |
| 3.1.3 GARCH(1,1)模型 | 第22页 |
| 3.2 SV模型 | 第22-24页 |
| 3.2.1 标准SV模型 | 第23页 |
| 3.2.2 厚尾SV模型 | 第23-24页 |
| 3.3 GARCH(1,1)模型与SV模型的比较 | 第24-35页 |
| 3.3.1 数据选取与统计性描述 | 第24-31页 |
| 3.3.2 模型参数估计 | 第31-32页 |
| 3.3.3 峰度和自相关系数的计算 | 第32-34页 |
| 3.3.4 小结 | 第34-35页 |
| 第4章 模型的构建 | 第35-40页 |
| 4.1 隔夜信息的度量与分类 | 第35-36页 |
| 4.1.1 隔夜信息的度量 | 第35-36页 |
| 4.1.2 隔夜信息的分类 | 第36页 |
| 4.2 修正的SV模型 | 第36-37页 |
| 4.3 基于隔夜信息的SV模型 | 第37-38页 |
| 4.4 基于隔夜信息的不对称的SV模型 | 第38-40页 |
| 第5章 实证分析 | 第40-51页 |
| 5.1 样本数据的选取 | 第40页 |
| 5.2 样本数据的处理与检验 | 第40-42页 |
| 5.3 日内和隔夜收益与波动的描述性统计 | 第42-44页 |
| 5.4 日内和隔夜信息的大小和统计显著性 | 第44-47页 |
| 5.5 实验假设 | 第47-48页 |
| 5.6 SV模型的估计结果 | 第48-51页 |
| 第6章 结束语 | 第51-53页 |
| 6.1 研究结论 | 第51页 |
| 6.2 研究展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56页 |
