基于金融高频数据的VaR研究

选取具有良好统计性质的金融波动率估计量来构建VaR,,可以使市场风险的度量更为准确.高频数据由于比低频数据包含了更多的市场信息,因此基于高频数据的金融波动率估计量更为准确.但是基于高频数据的波动率估计量为数众多,目前仅有对各个估计量本身性质的比较研究,在应用于VaR的研究中如何选取估计量使得VaR的计算更为准确则不得而知.因此,文章选取了高频数据下的若干个有代表性的金融波动率估计量,进行VaR值的计算,并对其结果进行了比较研究,同时进行了持续性分析.通过实证研究表明V2R序列具有持续性,其中由赋权"已实现"双幂次变差计算所得的VaR值更准确,从而为VaR的精确计算和正确建模提供了依据.     

金融高频数据的最优抽样频率研究

首先综述了国内外对最优抽样频率的研究成果,并对各种方法的利弊进行了分析比较;然后结合目前我国股市金融高频数据的特点,提出了一种简便易行的最优抽样频率确定方法,并且基于"已实现"双幂次变差和赋权"已实现"波动估计量进行了研究,分别给出了2个估计量的偏差;最后用深证成指的高频数据进行了实证研究。     

基于金融高频数据波动率计算方法的比较研究

就近年来出现的基于金融高频时间序列的三种波动率估计量进行了比较研究,从计算方法、统计性质和应用范围等多个角度进行了分析,并用深证成指做了实证研究,为理论工作者和实际操作者选取波动率估计量提供了依据。     

金融波动的赋权“已实现”双幂次变差及其应用

金融波动是金融研究中的热点问题。金融高频数据比低频数据包含了更丰富的日内收益波动信息,因此对金融高频时间序列的研究成为金融领域中备受关注的焦点。"已实现"波动是利用高频数据计算金融波动率的全新方法,目前在金融高频数据的研究中应用十分广泛,但它具有误差较大和不稳健的缺点,因此各种改进方法应运而生,其中"已实现"双幂次变差克服了"已实现"波动的不稳健的缺点。本文提出赋权"已实现"双幂次变差的概念,不但继承了"已实现"双幂次变差的稳健性,而且满足无偏性和最小方差性,通过理论证明和实证研究都表明其能够更准确的度量金融波动率。     

基于高频数据的金融波动率模型

金融高频数据和金融波动率是目前金融领域研究的热点问题。本文对基于金融高频数据的金融波动率估计量——"已实现"双幂次变差进行了建模和预测。"已实现"双幂次变差无模型、计算简便,在一定条件下是金融波动率的无偏估计量,并且具有稳健性和有效性。通过用上证综指对"已实现"双幂次变差进行ARFIMA建模,发现中国股票市场的上证综指"已实现"双幂次变差时间序列具有长记忆性。