基于高频数据的收益率波动性研究任务书
2020-06-06 09:51:49
1. 毕业设计（论文）的内容和要求
本论文主要以高频数据为样本研究股票价格走势的波动性问题，与波动性问题密切相关的是金融资产的长记忆性。金融资产的长记忆性，其特征是自相关函数具有高阶的滞后,并且以缓慢的双曲率衰减,而不是以标准的arma过程的指数率衰减。大量研究表明：有效的证券市场没有呈现出显著的长记忆性，而缺乏效率的市场存在长记忆性。研究股票市场收益率与波动性长记忆性,对于分析与了解股市的结构、判断股市的走势以及波动对股市风险与股市未来变化的影响等方面无疑具有重要的作用。随着科技的进步，高频数据的获得和处理已不再是一件困难的事，本研究拟以高频数据为样本，通过建立garch类模型，研究证券市场的收益率波动性问题，以进一步深入研究开放的资本市场中具有较高流动性的资本的潜在风险。
课题内容包括：
2. 参考文献
|
[1] Jae-Won Jung, Kyungsik Kim. Return Volatilities of the Korea Treasury Bond in Financial Markets[J] Journal of the Korean Physical Society, Vol. 60, No. 4, February 2012, pp. 637#8764;640
[2] James J. Angel #8226; Douglas McCabe. Fairness in Financial Markets: The Case of High Frequency Trading[J] J Bus Ethics (2013) 112:585#8211;595 [3] 王天一,黄卓. 高频数据波动率建模#8212;#8212;#8212;基于厚尾分布的Realized GARCH模型[J] 数量经济技术经济研究 2015(05):149-161 [4] 苗晓宇. 不同频率数据在金融市场 Var测度中的对比研究#8212;#8212;基于低频、高频与超高频数据模型[J].山西财经大学学报 2011(2): 30-37 [5] 李平, 高洁, 廖静池. 存款准备金率调整对股票市场的影响#8212;#8212;基于中国股市高频数据的实证研究[J] 证券市场导报 2014(10): 24-33 [6] 王良, 贾宇洁, 刘潇. 高频数据条件下基于交易成本考虑的中国ETF基金跨市套利研究[J]. 经济与金融管理 2016(11):56-65 [7] 瞿慧, 刘烨. 沪深300指数收益率及已实现波动联合建模研究 [J].管理科学 2012(12):101-110 [8] 董然,郑慧, 卢志伟. 基于GARCH族模型的国债市场收益特征识别及风险测度[J]. 金融理论与实践 2016(01):42-46 [9] 杨广, 李国栋,蒋建. 基于分位数回归技术的创业板IPO量价关系研究[J].财会月刊 2011(24):88-89 [10] 朱世武, 刘淳. 基于高频数据的股票收益率和持续期的联合模型[J]. 中国软科学 2010(S1):366-372 [11] 刘洪,王江涛. 基于高频数据的时间序列长记忆系数比较研究[J]. 数理统计与管理 2010(7):628-633 [12] 唐勇, 张伯新. 基于高频数据的中国股市跳跃特征实证分析[J]. 中国管理科学 2013(10):29-39 [13] 王鹏, 杨兴林. 基于时变波动率与混合对数正态分布的50ETF期权定价[J]. 管理科学 2016(7):149-160 [14] 刘广应, 吴海月. 金融高频数据波动率度量比较#8212;#8212;基于ARFIMA模型的VaR视角[J]. 上海金融2014(10): 84-88. [15] 胡志军, 谭中. 跳跃行为、杠杆效应及长期记忆下的VaR预测[J]. 金融理论与实践 2016(3):19-26 |
3. 毕业设计（论文）进程安排
|
第1-2周 |
阅读文献，明确问题，开题报告 |
此处周的计数以最后一学期的教学日历为准 |
|
第3-5周 |
收集整理数据，时间序列模型的学习及相关统计软件学习 |
|
|
第6-11周 |
建立模型，问题分析，论文初稿撰写 |
|
|
第12-14周 |
毕业论文修改整理 |
|
|
第15周 |
定稿打印，答辩准备 |
|
|
第16周 |
论文答辩 |
|
