高频数据模型及其在VaR中的应用研究

作     者：谢家泉 

作者单位：湖南大学 

学位级别：硕士

导师姓名：杨招军

授予年度：2005年

学科分类：12[管理学] 02[经济学] 0202[经济学-应用经济学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 020204[经济学-金融学（含∶保险学）] 

主      题：波动集聚性 自回归条件持续性 高频数据 在险价值 返回检验 

摘      要：随着金融市场波动性的不断加剧，风险管理逐渐成为金融工程和现代金融理论的核心内容。VaR方法是近年来兴起的一种新的金融风险管理工具，目前已被各大银行、公司、金融监管机构作为最主要的金融风险管理方法之一。 目前国内学者利用年、月、日等低频数据对股票市场的波动率进行了很多的研究，但以日内高频数据为基础的研究还不多见。本文正是以日内交易数据为基础，借助于高频数据模型，试图探讨以下问题：(1)中国股市的高频交易数据具有哪些统计信息，(2)日内交易收益的波动率如何用模型刻画，(3)不同模型刻画的风险有何区别。 本文分析了两类高频数据模型的统计特性，进而运用两类不同的框架来处理日内交易数据，一类是处理等时间间隔数据样本的ARCH类模型，另一类是处理不等时间间隔数据样本的ACD类模型，并把这两类模型运用到上证指数日内交易数据中进行风险测度研究。通过在一个等时间间隔样本上的评价，基于高频数据模型的方法计算得到的VaR值基本把握了沪市的市场风险，得到了较好的实证结果。针对中国股市风险测度研究的结果，最后提出了政策性建议。而且ACD模型的刻画中也揭示了市场流动性的特征，这一方向将是一个非常值得研究的课题。 本文以实证为基础，在以下几个方面进行了研究创新：(1)本文比较系统地进行了中国股市的时序分析和风险测度研究，运用定性和定量分析相结合的研究方法得出了具有实际监控价值的数量信号和标志。(2)本文对大量股票交易的高频率数据进行了实证统计推断，描述中国证券市场微观结构特征，这一点在国内的研究中还不多。(3)本文针对等间隔数据和不等间隔数据提出了两种分析框架来研究中国股市特征，即GARCH类模型和ACD类模型。这一方法在内容上保持了完整性和系统性。