基于高频数据的中国股市VaR风险研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-12页 |
| ·研究背景和选题意义 | 第7页 |
| ·国内外相关研究进展 | 第7-10页 |
| ·金融风险的研究现状 | 第7-10页 |
| ·已实现波动率的研究现状 | 第10页 |
| ·研究内容和创新 | 第10-11页 |
| ·本文结构框架 | 第11-12页 |
| 2 ARFIMA-WRBV-VAR 理论模型 | 第12-25页 |
| ·高频波动率模型 | 第12-17页 |
| ·金融高频数据的特征 | 第12-13页 |
| ·已实现波动率 RV | 第13-14页 |
| ·已实现双幂次波动率 RBV | 第14-15页 |
| ·赋权已实现双幂次波动率 WRBV | 第15-17页 |
| ·ARFIMA-WRBV 模型的构建 | 第17-21页 |
| ·长记忆性的定义 | 第17-18页 |
| ·长记忆性的存在性检验 | 第18-20页 |
| ·ARFIMA 模型及实现 | 第20-21页 |
| ·GARCH 类低频波动率模型 | 第21-22页 |
| ·VAR 的原理及评价 | 第22-24页 |
| ·VaR 的原理 | 第22-23页 |
| ·VaR 的评价 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 3 中国股市风险的实证分析 | 第25-41页 |
| ·样本的统计特征分析 | 第25-28页 |
| ·平稳性检验 | 第26-27页 |
| ·正态性检验 | 第27-28页 |
| ·ARFIMA-WRBV 类模型的构建 | 第28-33页 |
| ·已实现类波动率的比较 | 第28-31页 |
| ·WRBV 的长记忆性检验 | 第31页 |
| ·ARFIMA-WRBV 模型的参数估计 | 第31-33页 |
| ·GARCH 类模型的估计结果 | 第33-38页 |
| ·自相关性分析 | 第33-34页 |
| ·异方差性检验 | 第34-35页 |
| ·GARCH 类模型的估计 | 第35-38页 |
| ·VAR 的计算及检验 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 4 市场微观结构对高频波动率的影响分析 | 第41-44页 |
| ·中国股市的微观结构状况 | 第41-42页 |
| ·高频波动率的影响因素分析 | 第42-43页 |
| ·对监管机构的政策建议 | 第43页 |
| ·本章小结 | 第43-44页 |
| 5 结论与展望 | 第44-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 附录 | 第49页 |
| A. 作者在攻读学位期间发表的论文目录 | 第49页 |
| B. 作者在攻读学位期间取得的科研成果目录 | 第49页 |
