股指期货波动性及尾部风险研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第15-32页 |
| 1.1 问题提出 | 第15-18页 |
| 1.1.1 研究背景 | 第15-16页 |
| 1.1.2 研究目的 | 第16-17页 |
| 1.1.3 研究意义 | 第17-18页 |
| 1.2 研究界定 | 第18-20页 |
| 1.2.1 相关概念界定 | 第18-19页 |
| 1.2.2 研究范围界定 | 第19-20页 |
| 1.3 研究现状 | 第20-28页 |
| 1.3.1 高频波动率的理论建模研究 | 第20-22页 |
| 1.3.2 高频波动率的跳跃行为研究 | 第22-23页 |
| 1.3.3 高频波动率的预测建模研究 | 第23-25页 |
| 1.3.4 高频波动率的尾部风险研究 | 第25-26页 |
| 1.3.5 投资者关注与人工智能应用 | 第26-28页 |
| 1.3.6 研究现状评述 | 第28页 |
| 1.4 研究内容与方法 | 第28-32页 |
| 1.4.1 研究内容 | 第28-29页 |
| 1.4.2 研究方法 | 第29-30页 |
| 1.4.3 研究路线 | 第30-32页 |
| 第2章 高频波动率理论分析 | 第32-52页 |
| 2.1 高频波动率理论 | 第33-37页 |
| 2.1.1 已实现波动率 | 第33-34页 |
| 2.1.2 价格跳跃理论 | 第34-36页 |
| 2.1.3 市场噪声理论 | 第36-37页 |
| 2.2 市场噪声纠偏方法 | 第37-41页 |
| 2.2.1 最优抽样频率 | 第38-39页 |
| 2.2.2 子抽样方法 | 第39-40页 |
| 2.2.3 核估计方法 | 第40-41页 |
| 2.2.4 其它纠偏方法 | 第41页 |
| 2.3 跳跃检测方法 | 第41-44页 |
| 2.3.1 BNS跳跃检测法 | 第41-42页 |
| 2.3.2 ABD跳跃检测法 | 第42页 |
| 2.3.3 CPR跳跃检测法 | 第42-43页 |
| 2.3.4 ADS跳跃检测法 | 第43-44页 |
| 2.4 实证分析 | 第44-51页 |
| 2.4.1 抽样频率的选择 | 第44-45页 |
| 2.4.2 高频波动率分析 | 第45-49页 |
| 2.4.3 跳跃检测法分析 | 第49-51页 |
| 2.5 本章小结 | 第51-52页 |
| 第3章 牛熊状态下股指期货跳跃特征研究 | 第52-72页 |
| 3.1 改进ADS跳跃检测 | 第53-56页 |
| 3.1.1 二次变差理论框架 | 第53-54页 |
| 3.1.2 LCRV修正的ADS跳跃检验 | 第54-55页 |
| 3.1.3 正负跳跃甄别方法 | 第55-56页 |
| 3.2 基于扩展ACH跳跃持续期建模 | 第56-57页 |
| 3.2.1 ACH模型 | 第56页 |
| 3.2.2 周内效应ACH模型 | 第56-57页 |
| 3.2.3 日内效应ACH模型 | 第57页 |
| 3.3 实证分析 | 第57-70页 |
| 3.3.1 数据说明与跳跃检测 | 第57-61页 |
| 3.3.2 显著跳跃的分布特征 | 第61-65页 |
| 3.3.3 跳跃持续期特征分析 | 第65-67页 |
| 3.3.4 跳跃持续期模型估计 | 第67-70页 |
| 3.4 本章小结 | 第70-72页 |
| 第4章 基于好坏波动率的股指期货波动性研究 | 第72-92页 |
| 4.1 好坏波动率理论 | 第73-75页 |
| 4.1.1 好坏波动率与符号跳跃 | 第73-74页 |
| 4.1.2 好坏波动率的噪声纠偏 | 第74-75页 |
| 4.1.3 RK修正的ADS跳跃检验 | 第75页 |
| 4.2 基于HAR框架的波动建模 | 第75-78页 |
| 4.2.1 基于四次幂差的HAR扩展模型 | 第75-76页 |
| 4.2.2 基于跳跃波动的HAR扩展模型 | 第76-77页 |
| 4.2.3 基于好坏波动的HAR扩展模型 | 第77页 |
| 4.2.4 基于符号跳跃的HAR扩展模型 | 第77-78页 |
| 4.3 实证分析 | 第78-91页 |
| 4.3.1 数据说明与波动分解 | 第78-81页 |
| 4.3.2 正负跳跃与符号跳跃 | 第81-82页 |
| 4.3.3 高频波动率的交互效应 | 第82-84页 |
| 4.3.4 HAR模型估计与波动运行规律 | 第84-91页 |
| 4.4 本章小结 | 第91-92页 |
| 第5章 基于投资者关注的股指期货波动性研究 | 第92-116页 |
| 5.1 基于百度指数的HAR波动预测建模 | 第93-96页 |
| 5.1.1 HAR扩展建模 | 第93-94页 |
| 5.1.2 滚动预测与MCS检验 | 第94-96页 |
| 5.2 基于百度指数的LSTM波动预测建模 | 第96-100页 |
| 5.2.1 递归神经网络 | 第96-97页 |
| 5.2.2 深度学习LSTM结构 | 第97-99页 |
| 5.2.3 LSTM波动预测建模 | 第99-100页 |
| 5.3 实证分析 | 第100-115页 |
| 5.3.1 数据说明与波动分解 | 第100-103页 |
| 5.3.2 HAR模型估计与贡献分析 | 第103-108页 |
| 5.3.3 HAR模型的滚动预测评估 | 第108-110页 |
| 5.3.4 LSTM模型的预测评估 | 第110-115页 |
| 5.4 本章小结 | 第115-116页 |
| 第6章 基于高频波动率的股指期货尾部风险研究 | 第116-129页 |
| 6.1 基于EVT的尾部风险度量 | 第117-120页 |
| 6.1.1 风险价值和预期损失 | 第117页 |
| 6.1.2 极值理论及统计分布 | 第117-119页 |
| 6.1.3 VaR和ES的极值估计 | 第119-120页 |
| 6.2 基于EVT的尾部风险预测建模 | 第120-124页 |
| 6.2.1 基于C-EVT的尾部风险建模 | 第120-121页 |
| 6.2.2 基于RV-EVT的尾部风险建模 | 第121-122页 |
| 6.2.3 VaR与ES的检验方法 | 第122-124页 |
| 6.3 实证分析 | 第124-127页 |
| 6.3.1 数据说明与实证设计 | 第124页 |
| 6.3.2 GPD模型的参数估计 | 第124-125页 |
| 6.3.3 VaR和ES的回测分析 | 第125-127页 |
| 6.4 本章小结 | 第127-129页 |
| 结论 | 第129-131页 |
| 参考文献 | 第131-142页 |
| 数学符号 | 第142-144页 |
| 攻读博士学位期间发表的论文及其它成果 | 第144-146页 |
| 致谢 | 第146-147页 |
| 个人简历 | 第147页 |
