检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

高频金融数据下二阶波动率阵的估计

合肥工业大学学报（自然科学版） 2009年第4期32卷 604-608页

作者：何龙仿杜雪樵合肥工业大学数学系安徽合肥230009

文章针对高频金融数据波动率研究领域中出现的微观结构噪音和跳过程的双重影响问题,在对高频金融数据下单个资产跳-扩散定价过程中波动率研究的基础上,对资产定价过程中的跳和微观结构噪音分别进行考虑,得出了高频金融数据下2个资产跳-... 详细信息

文章针对高频金融数据波动率研究领域中出现的微观结构噪音和跳过程的双重影响问题,在对高频金融数据下单个资产跳-扩散定价过程中波动率研究的基础上,对资产定价过程中的跳和微观结构噪音分别进行考虑,得出了高频金融数据下2个资产跳-扩散定价过程中的二阶波动率阵的估计和其收敛速度,扩大了现有文献中相应的研究结果。

关键词：高频金融数据市场微观结构噪音已实现波动率阵

在线全文

学校读者我要写书评

暂无评论

高频金融数据市场微观结构噪音误差

合肥工业大学学报（自然科学版） 2008年第3期31卷 380-383页

作者：赵杰合肥工业大学数学系安徽合肥230009

文章针对近年来高频金融数据在波动率研究领域的研究应用中出现的市场微观结构噪音误差影响严重的问题,以"已实现"波动率估计为载体给出了2种有效的市场微观结构噪音估算方法,即微观结构噪音的自协方差估计和以高频数据的"已实现"波动... 详细信息

文章针对近年来高频金融数据在波动率研究领域的研究应用中出现的市场微观结构噪音误差影响严重的问题,以"已实现"波动率估计为载体给出了2种有效的市场微观结构噪音估算方法,即微观结构噪音的自协方差估计和以高频数据的"已实现"波动率估计市场微观结构噪音误差,并对两者通过蒙特卡罗模拟试验数据作了比较,得出了相应的结论。

关键词：高频金融数据 “已实现”波动率市场微观结构噪音

高频金融数据“日历效应”的小波神经网络模型分析

在线全文

学校读者我要写书评

暂无评论

数学的实践与认识 2007年第15期37卷 1-6页

作者：徐正国张世英天津大学管理学院天津300072

高频金融数据的分析与建模是金融计量学的一个全新的研究领域.高频数据"日历效应"是金融市场微观结构研究领域的重要发现,但是金融市场微观结构理论主要是从定性的角度研究"日历效应".如何定量地刻画高频数据"日历效应"是进一步深入理... 详细信息

高频金融数据的分析与建模是金融计量学的一个全新的研究领域.高频数据"日历效应"是金融市场微观结构研究领域的重要发现,但是金融市场微观结构理论主要是从定性的角度研究"日历效应".如何定量地刻画高频数据"日历效应"是进一步深入理解金融市场的关键.论文提出用小波神经网络(WNN)来定量研究高频金融数据"日历效应",实证研究表明小波神经网络(WNN)很好地刻画了"日历效应".

关键词：高频金融数据日历效应周末效应小波神经网络(WNN)模型

在线全文

学校读者我要写书评

暂无评论

基于B样条分位数高频金融数据建模及应用

信息与管理研究 2023年第6期8卷 28-40页

作者：赵月旭徐伟旗杭州电子科技大学经济学院浙江杭州310018

基于2018一2022年碳价、股价、外汇汇率和大宗商品小时单位数据,利用变系数模型和线性ARCH模型,构建了变系数风险度量模型,以资产相对成交量作为样条基函数,使用B样条分位数方法估计模型系数,测度高频金融数据的风险值,最后利用蒙特卡... 详细信息

基于2018一2022年碳价、股价、外汇汇率和大宗商品小时单位数据,利用变系数模型和线性ARCH模型,构建了变系数风险度量模型,以资产相对成交量作为样条基函数,使用B样条分位数方法估计模型系数,测度高频金融数据的风险值,最后利用蒙特卡洛模拟验证了该估计方法的有效性和准确性。实证分析表明:资产相对成交量影响金融资产风险变动,B样条分位数方法的拟合成功率和误偏、误差值最小,拟合精度最高。

关键词： B样条蒙特卡洛模拟高频金融数据分位数回归

在线全文

学校读者我要写书评

暂无评论

高频金融数据下二阶波动率阵的分析

高频金融数据下二阶波动率阵的分析

作者：何龙仿合肥工业大学

学位级别：硕士

在金融领域,不确定的风险即资产收益过程波动是市场逐利的根源,资产收益过程在市场环境中受种种因素影响客观上形成不确定的波动,无论处于逐利还是资产保值人们总希望能够对即将到来的波动作出最为理想的预测,尤其在当今凭借先进的计算... 详细信息

在金融领域,不确定的风险即资产收益过程波动是市场逐利的根源,资产收益过程在市场环境中受种种因素影响客观上形成不确定的波动,无论处于逐利还是资产保值人们总希望能够对即将到来的波动作出最为理想的预测,尤其在当今凭借先进的计算机技术使高频金融数据越来越容易获得,人们希望使用对市场细节刻画的更为细腻的高频金融数据来对波动率做出更好的预测。 Lan Zhang和Myland等给出了高频金融数据下单个资产连续定价过程中的积分波动率估计的双时间尺度模型和多时间尺度模型,但市场收益过程常常出现跳过程,处理可能的跳过程就很重要了。本文所做的工作就是市场微观结构噪音方差的估计问题以及两个资产跳-扩散定价过程中的二阶波动率阵的估计问题。首先,假设噪音序列在两种不同情形下,给出了市场结构噪音误差的估计方法,并与常用的估计方法进行了比较,得出了它们的渐近性质。随后,在对高频金融数据下单个资产连续价格和跳-扩散价格定价过程中已实现波动率研究的基础上,对资产定价过程中出现的跳过程和市场微观结构噪音分别进行考虑,得出了高频金融数据下两个资产跳-扩散定价过程中的二阶协变差阵和二阶波动率阵的估计和其收敛速度。

关键词：高频金融数据市场微观结构噪音跳协变差阵波动率阵收敛速度

基于各类EMD-深度神经网络的高频金融数据预测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于各类EMD-深度神经网络的高频金融数据预测研究

作者：高斌长春工业大学

学位级别：硕士

随着金融市场中的交易数据采集频率逐渐提高,具有非线性、非平稳、高噪声的高频金融数据受到众多学者的关注,高频金融数据的短期预测成为近年来的研究热点。传统的时间序列模型依赖线性回归解释变量间的关系,从而达到对金融序列的预测目... 详细信息

随着金融市场中的交易数据采集频率逐渐提高,具有非线性、非平稳、高噪声的高频金融数据受到众多学者的关注,高频金融数据的短期预测成为近年来的研究热点。传统的时间序列模型依赖线性回归解释变量间的关系,从而达到对金融序列的预测目的,但不能很好地挖掘高频金融数据的特征。神经网络的无监督学习过程可以更好的应用在具有非线性特征的高频金融数据研究中,随着计算机技术的革新,神经网络的结构不断加深,具有更深层次网络结构的深度神经网络（DNN）被广泛应用。经验模态分解（EMD）常用于对非线性、非平稳的高频数据在时域和频域上进行分析处理,故本文引入了希尔波特-黄变换中的两类经验模态分解的方法并结合深度神经网络模型对高频金融数据进行短期预测。本文第一部分利用DNN模型,对深证成指5分钟数据进行短期预测。为得到更为精准的预测结果,引入经验模态分解和集合经验模态分解（EEMD）的方法构建了EMD-DNN模型及EEMD-DNN模型。通过对样本数据的分解得到不同尺度下的本征模态函数（IMF）,通过波动频率将IMF分组并重构,对重构数据进行训练及预测。结果表明利用集合经验模态分解改进的深度神将网络预测模型对高频金融数据的预测更加精准。本文第二部分基于小波分析中多分辨分析的方法,对高频IMF分量进行消噪,利用消噪后的IMF替换原分量并与低频分量叠加重构得到新的重构样本,再利用DNN进行预测,预测结果表明经由小波消噪后的EEMD-DNN模型比小波消噪后的EMD-DNN模型预测更加精准。实证结果表明小波消噪后的EEMD-DNN模型比未经小波消噪的模型及消噪后的EMD-DNN模型对高频金融数据的预测最为精准。

关键词：高频金融数据深度神经网络经验模态分解集合经验模态分解小波消噪

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

高频金融数据已实现波动率的研究

高频金融数据已实现波动率的研究

作者：赵杰合肥工业大学

学位级别：硕士

在金融领域，不确定的风险即资产收益过程波动是市场逐利的根源，也是金融市场活跃的根本所在;资产收益过程在市场环境中受种种因素影响客观上形成不确定的波动，无论出于逐利还是资产保值的目的人们总希望能够对即将到来的波动做出最... 详细信息

在金融领域，不确定的风险即资产收益过程波动是市场逐利的根源，也是金融市场活跃的根本所在;资产收益过程在市场环境中受种种因素影响客观上形成不确定的波动，无论出于逐利还是资产保值的目的人们总希望能够对即将到来的波动做出最为理想的预测，尤其在当今凭借先进的计算机技术以及存储技术使高频金融数据越来越容易获得，人们希望使用对市场细节刻画更为细腻的高频金融数据来对波动率做出更好的预测。由此，高频金融数据下对资产价格波动的研究越来越为人们所关注。 Andersen，Bollerslev等提出的已实现波动率是一种较为有效的波动率估计方法，但高频金融数据在带来大量有效信息的同时也扩大了市场微观结构噪音对数据的干扰，致使已实现波动率对真实积分波动率的估计存在着偏差。本文所做工作正是针对已实现波动率在高频数据估计时存在的估计偏差问题进行了进一步的研究。首先，我们从理论上推导出已实现波动率的计算方法，并给出了已实现波动率的极限性质，这是我们进行研究的重要理论基础;而后，我们研究了高频金融数据市场微观结构噪音的度量方法，给出了两种高频数据市场微观结构噪音误差的计算方法，并在后面的蒙特卡罗随机数据模拟中比较两种方法的估计效果，通过比较讨论使估值最为合理的最佳取样频率;随后，我们对Andersen等提出的已实现波动率计算方法进行了改进，得到了一个改进的已实现波动率计算方法ARV，这种改进方法能减小测量误差对于高频数据的影响;接着我们开始考虑市场微观结构噪音对于已实现波动率估计的影响，由于较低频率数据比较高频率数据受市场微观结构噪音的影响较小，很自然的我们想到对原始高频金融数据进行优化再取样，我们建立了一套优化再取样的规则，在这一规则下我们得到了优化取样的改进已实现波动率的计算方法OARV，该方法有效地减小了其对真实积分波动率估计的偏差;接着我们提出了对真实积分波动率的一个无偏估计量，即偏差校正已实现波动率BCRV;最后我们使用蒙特卡罗随机模拟方法做了大量数据模拟，很好地验证了偏差校正已实现波动率BCRV比前述各种已实现波动率估计方法对高频金融数据下的真实积分波动率有着更为良好的估计效果，并且通过数据模拟我们进一步探讨了对原始高频金融优化再取样的最佳取样频率问题。

关键词：高频金融数据已实现波动率市场微观结构噪音

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于高频金融数据的杠杆效应研究

基于高频金融数据的杠杆效应研究

作者：康宏亮西北师范大学

学位级别：硕士

近些年来,随着学者们对高频金融数据研究的不断深入,高频金融数据各个变量间的相关关系研究已逐渐成为该研究领域中的一个新课题.杠杆效应描述了资产价格收益与波动率变化之间的负相关性,对它的研究有助于人们更好地理解高频领域中的价... 详细信息

近些年来,随着学者们对高频金融数据研究的不断深入,高频金融数据各个变量间的相关关系研究已逐渐成为该研究领域中的一个新课题.杠杆效应描述了资产价格收益与波动率变化之间的负相关性,对它的研究有助于人们更好地理解高频领域中的价格变动机制.本文量化了杠杆效应,对于满足伊藤半鞅模型的对数资产价格过程和波动过程,把杠杆效应分解为连续型与不连续型两部分,并构造了统计量来估计它们,进一步研究了估计量的渐近性质,并用实际数据验证了估计的优良性.本文的主要工作:1.对连续部分杠杆效应(CLE)进行了研究.结合概率极限理论和随机过程理论,以及临近窗口和向下截断思想,运用Monte Carlo模拟说明了(CLE)估计量的大样本性质,并用实际数据验证了估计量的优良性.2.对不连续部分杠杆效应(DLE)进行了研究.运用临近窗口和向上截断思想,结合概率极限理论探讨了(DLE)估计量的大样本性质.并通过数值模拟和实证分析进一步验证了这些性质.

关键词：高频金融数据杠杆效应波动率二次变差

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于高频金融数据的已实现波动率研究

基于高频金融数据的已实现波动率研究

作者：赵瑜重庆理工大学

学位级别：硕士

度量和预测资产价格的波动在金融经济的多个领域起着关键的作用,包括风险度量,证券投资组合管理以及期权定价。信息量丰富的高频资产数据已经激发了学术界对于波动率进行估计和预测。为了更深刻的理解金融市场,基于高频金融数据的波动... 详细信息

度量和预测资产价格的波动在金融经济的多个领域起着关键的作用,包括风险度量,证券投资组合管理以及期权定价。信息量丰富的高频资产数据已经激发了学术界对于波动率进行估计和预测。为了更深刻的理解金融市场,基于高频金融数据的波动率研究更具有价值和意义。本文基于高频金融数据,结合已实现方法与最邻近截尾的思想,针对金融资产收益率的波动进行了分析研究,构建了积分波动率的一种新的估计量——三项最小值已实现波动(TMinRV)。其主要工作及创新点如下:1总结了高频领域的几类经典已实现波动率如已实现波动(RV)、已实现双幂变差(RBV)、已实现极差(RRV),并且从理论与实证两方面进行了对比研究。2采用非参数方法构建了三项最小值已实现波动(TMinRV),这是本文的创新之处。首先给出了三项最小值已实现波动率(TMinRV)的定义,然后给出了一系列引理,继而以定理的形式给出了该估计量的相合性及跳存在情况下所遵循的相应的渐近分布理论。最后通过随机模拟和实证两方面对所提出的TMinRV的统计特征进行了理论证明和实证分析,研究表明TMinRV能够更好地消除价格跳跃带来的波动,TMinRV的有效性及稳健性优于TMinRV和MedRV及其他几类积分波动估计量,它能够更加准确的估计金融资产收益的波动。3在三项最小值已实现波动率(TMinRV)基础上,将最邻近截尾的理论应用到了一般的积分幂变差,提出了三项最小值一般幂变差(TMinPV)。然后对三项最小值一般幂变差(TMinPV)的相合性及渐近分布理论进行研究。

关键词：高频金融数据已实现波动三项最小值已实现波动积分波动率稳健性