摘要 | 第4-6页 |
ABSTRACT | 第6-8页 |
第1章 绪论 | 第15-32页 |
1.1 研究背景 | 第15-17页 |
1.2 研究目的 | 第17-18页 |
1.3 研究意义 | 第18-21页 |
1.3.1 理论意义 | 第18-19页 |
1.3.2 实践意义 | 第19-21页 |
1.4 国内外研究现状及评述 | 第21-28页 |
1.4.1 波动率模型研究综述 | 第21-24页 |
1.4.2 波动率预测研究 | 第24-27页 |
1.4.3 国内外研究评述 | 第27-28页 |
1.5 研究内容和结构安排 | 第28-29页 |
1.5.1 研究内容 | 第28-29页 |
1.5.2 结构安排 | 第29页 |
1.6 研究方法和技术路线 | 第29-32页 |
第2章 波动率研究的理论基础与模型设定 | 第32-43页 |
2.1 波动率研究的理论基础 | 第32-36页 |
2.1.1 波动率的定义与分类 | 第32-34页 |
2.1.2 波动率研究的框架 | 第34-36页 |
2.2 波动率模型与参数设定 | 第36-39页 |
2.2.1 自回归条件异方差模型及其估计 | 第37-38页 |
2.2.2 广义自回归条件异方差模型与估计 | 第38-39页 |
2.3 最优抽样频率与波动率预测评估 | 第39-42页 |
2.3.1 最优抽样频率 | 第39-41页 |
2.3.2 波动率预测评估 | 第41-42页 |
2.4 本章小结 | 第42-43页 |
第3章 日内统计性描述与ARMA模型检验与预测 | 第43-60页 |
3.1 引言 | 第43页 |
3.2 日内高频数据统计性描述 | 第43-48页 |
3.2.1 数据选择 | 第43-44页 |
3.2.2 高频数据预处理和数据统计性描述 | 第44-47页 |
3.2.3 时间序列数据平稳性检验 | 第47-48页 |
3.3 ARMA模型与预测 | 第48-50页 |
3.3.1 ARMA模型介绍 | 第48-49页 |
3.3.2 ARMA模型识别、估计与预测 | 第49-50页 |
3.4 实证检验与分析 | 第50-57页 |
3.5 收益率预测 | 第57-58页 |
3.6 研究结果与讨论 | 第58-59页 |
3.7 本章小结 | 第59-60页 |
第4章 基于ARMA-GARCH-SN模型的日内波动率研究与预测 | 第60-77页 |
4.1 引言 | 第60-61页 |
4.2 模型与研究方法 | 第61-64页 |
4.3 实证检验结果与分析 | 第64-72页 |
4.4 波动率预测 | 第72-75页 |
4.5 研究结果与讨论 | 第75-76页 |
4.6 本章小结 | 第76-77页 |
第5章 基于最优抽样频率REALIZED-GARCH模型的日内高频波动率预测 | 第77-93页 |
5.1 引言 | 第77-78页 |
5.2 模型与实证检验 | 第78-89页 |
5.2.1 模型设定 | 第78-80页 |
5.2.2 实证检验 | 第80-89页 |
5.3 股指期货日内1分钟波动率预测与评价 | 第89-90页 |
5.3.1 日内波动率滚动预测 | 第89-90页 |
5.3.2 波动率预测评价 | 第90页 |
5.4 研究结果讨论 | 第90-91页 |
5.5 本章小结 | 第91-93页 |
第6章 不同的GARCH类模型波动率预测评价 | 第93-104页 |
6.1 引言 | 第93-94页 |
6.2 波动率预测评价框架 | 第94-97页 |
6.2.1 基于一般损失函数的点预测评价 | 第94-95页 |
6.2.2 波动率预测评价框架 | 第95-96页 |
6.2.3 一些常用的波动率预测评价指标 | 第96-97页 |
6.3 GARCH类模型预测精度评价 | 第97-100页 |
6.3.1 日内真实波动率的无偏估计量 | 第97页 |
6.3.2 eGARCH模型介绍 | 第97-98页 |
6.3.3 实证检验 | 第98-99页 |
6.3.4 波动率预测精度评价 | 第99-100页 |
6.4 研究结果讨论 | 第100-101页 |
6.5 政策建议 | 第101-102页 |
6.6 本章小结 | 第102-104页 |
结论 | 第104-107页 |
参考文献 | 第107-115页 |
攻读博士学位期间发表的论文及其它成果 | 第115-117页 |
致谢 | 第117-118页 |
个人简历 | 第118页 |