基于小波分析的已实现波动率研究--以沪深300指数为例
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 第一节 研究背景 | 第10-11页 |
| 一、中国股市的发展 | 第10-11页 |
| 二、波动率的研究 | 第11页 |
| 第二节 研究意义 | 第11-13页 |
| 一、理论意义 | 第11-12页 |
| 二、实际意义 | 第12-13页 |
| 第三节 研究思路和内容 | 第13-15页 |
| 一、研究思路 | 第13-14页 |
| 二、主要内容 | 第14-15页 |
| 第四节 研究的创新 | 第15-16页 |
| 第二章 文献综述 | 第16-22页 |
| 第一节 国外研究综述 | 第16-18页 |
| 一、基于低频数据的波动率的研究 | 第16-17页 |
| 二、基于高频数据的波动率的研究 | 第17页 |
| 三、小波方法应用于股市的研究 | 第17-18页 |
| 第二节 国内研究综述 | 第18-20页 |
| 一、基于低频数据的波动率的研究 | 第18-19页 |
| 二、基于高频数据的波动率的研究 | 第19-20页 |
| 三、小波方法应用于股市的研究 | 第20页 |
| 第三节 文献综述小结 | 第20-22页 |
| 第三章 波动率预测模型和小波分析方法 | 第22-36页 |
| 第一节 传统计量模型 | 第22-25页 |
| 一、AR模型 | 第22页 |
| 二、MA模型 | 第22-23页 |
| 三、ARMA模型 | 第23-24页 |
| 四、ARFIMA模型 | 第24-25页 |
| 第二节 小波分析 | 第25-34页 |
| 一、傅里叶变换 | 第25-27页 |
| 二、小波变换 | 第27-34页 |
| 第三节 VaR模型 | 第34-36页 |
| 第四章 实证分析 | 第36-52页 |
| 第一节 单一ARFIMA-RV模型建立 | 第36-41页 |
| 一、数据选取及数据处理 | 第36-37页 |
| 二、数据的统计描述 | 第37页 |
| 三、ARFIMA-RV模型建立 | 第37-40页 |
| 四、预测效果的评价 | 第40-41页 |
| 第二节 小波去噪与ARFIMA-RV模型的结合 | 第41-46页 |
| 一、小波去噪的逻辑 | 第41-42页 |
| 二、小波分析方法的选择 | 第42页 |
| 三、阈值的确认 | 第42-43页 |
| 四、阈值函数的确认 | 第43-44页 |
| 五、模型的确认和预测效果评价 | 第44-45页 |
| 六、模型预测效果的分析 | 第45-46页 |
| 第三节 小波单支重构与ARFIMA-RV模型结合 | 第46-49页 |
| 一、小波分析方法引入的必要性 | 第46页 |
| 二、运用小波分析对数据进行分解 | 第46-47页 |
| 三、模型的确认 | 第47-48页 |
| 四、预测效果的评价 | 第48-49页 |
| 第四节 VaR回测检验 | 第49-51页 |
| 一、基于已实现波动率的VaR的计算步骤 | 第50页 |
| 二、VaR的回测检验 | 第50-51页 |
| 第五节 实证分析总结 | 第51-52页 |
| 第五章 结论与展望 | 第52-55页 |
| 第一节 结论 | 第52-53页 |
| 一、结论 | 第52-53页 |
| 第二节 待改进之处 | 第53页 |
| 一、待改进之处 | 第53页 |
| 第三节 展望 | 第53-55页 |
| 一、展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
