摘要 | 第4-5页 |
Abstract | 第5页 |
目录 | 第6-8页 |
1 绪论 | 第8-14页 |
1.1 金融高频数据的研究背景与意义 | 第8-9页 |
1.2 金融高频数据研究的起源和发展 | 第9-11页 |
1.2.1 国外关于金融高频数据的研究 | 第9-10页 |
1.2.2 国内关于金融高频数据的研究 | 第10-11页 |
1.3 本文选题依据、结构设计和创新之处 | 第11-13页 |
1.3.1 选题依据 | 第11-12页 |
1.3.2 结构设计 | 第12页 |
1.3.3 本文创新之处 | 第12-13页 |
1.4 本文研究方法和金融数据来源 | 第13-14页 |
1.4.1 本文研究方法 | 第13页 |
1.4.2 本文数据来源 | 第13-14页 |
2 金融高频数据的统计特征分析 | 第14-22页 |
2.2 高频金融变量 | 第14-15页 |
2.2.1 使用的变量 | 第14页 |
2.2.2 不同抽样频率下时间序列的四个矩特征 | 第14-15页 |
2.3 金融高频数据的统计特征 | 第15-16页 |
2.3.1 高峰厚尾性 | 第15-16页 |
2.3.2 非正态性 | 第16页 |
2.3.3 一阶负相关性 | 第16页 |
2.3.4 “日历效应” | 第16页 |
2.4 统计分析 | 第16-21页 |
2.4.1 上证综指和深证成指不同采集频率下高频收益率的统计特征 | 第17-19页 |
2.4.2 一阶负相关性检验 | 第19-20页 |
2.4.3 “日历效应”检验 | 第20-21页 |
2.5 本章小结 | 第21-22页 |
3 赋权“已实现”波动率及最优抽样频率 | 第22-33页 |
3.1 “已实现”波动率及其扩展 | 第23-27页 |
3.1.1 “已实现”波动率 | 第23-24页 |
3.1.2 调整的“已实现”波动率 | 第24-25页 |
3.1.3 赋权“已实现”波动率 | 第25-27页 |
3.2 赋权“已实现”波动率的最优抽样频率 | 第27-28页 |
3.3 实证研究 | 第28-32页 |
3.3.1 “已实现”波动率和赋权“已实现”波动率的统计特征 | 第28-30页 |
3.3.2 “日历效应”分析 | 第30-31页 |
3.3.3 最优抽样频率的计算 | 第31-32页 |
3.4 本章小结 | 第32-33页 |
4 赋权“已实现”波动率的长记忆性分析 | 第33-49页 |
4.1 长记忆性的定义 | 第33-34页 |
4.2 长记忆性的检验 | 第34-36页 |
4.2.1 R/S分析法和修正的R/S分析法 | 第34-35页 |
4.2.2 长记忆性检验 | 第35-36页 |
4.3 “已实现”波动率的HAR-RV模型 | 第36-37页 |
4.4 赋权“已实现”波动率的HAR-WRV模型 | 第37-38页 |
4.5 HAR-WRV模型和HAR-RV模型的实证分析 | 第38-46页 |
4.5.1 HAR-WRV模型的实证分析 | 第38-43页 |
4.5.2 HAR-RV模型的实证分析 | 第43-46页 |
4.6 HAR-WRV和HAR-RV模型的对比分析 | 第46-48页 |
4.6.1 模型预测效果的比较方法 | 第46页 |
4.6.2 HAR-WRV和HAR-RV模型的拟合和预测效果的对比分析 | 第46-48页 |
4.7 本章小结 | 第48-49页 |
5 总结与展望 | 第49-51页 |
5.1 主要结论 | 第49页 |
5.2 研究展望 | 第49-51页 |
参考文献 | 第51-54页 |
致谢 | 第54页 |