發(fā)布時(shí)間：2025-01-11 01:09

　　近年來(lái),我國(guó)期貨市場(chǎng)發(fā)展迅速,在2018年上半年,我國(guó)的商品期貨成交量達(dá)14億手,全球占比為48%,由于市場(chǎng)規(guī)模的持續(xù)穩(wěn)步增長(zhǎng),使得我國(guó)期貨衍生品市場(chǎng)正逐步發(fā)展成全球最重要的風(fēng)險(xiǎn)管理市場(chǎng)。研究期貨市場(chǎng)中的波動(dòng)率和市場(chǎng)的相關(guān)規(guī)律,對(duì)波動(dòng)率進(jìn)行建模,在金融風(fēng)險(xiǎn)管理、投資組合以及資產(chǎn)衍生品定價(jià)領(lǐng)域發(fā)揮重要的作用。在金融市場(chǎng)中,隨著高頻數(shù)據(jù)越來(lái)越容易得到,產(chǎn)生了一系列高頻波動(dòng)率模型,這些模型對(duì)高頻數(shù)據(jù)的引入,和傳統(tǒng)的基于低頻數(shù)據(jù)的模型相比取得了不錯(cuò)的效果。使用高頻已實(shí)現(xiàn)波動(dòng)率的Realized GARCH模型相對(duì)簡(jiǎn)單,參數(shù)易于估計(jì),實(shí)證效果足夠好。研究表明,無(wú)論是在股票市場(chǎng)還是期貨市場(chǎng),數(shù)據(jù)間都表現(xiàn)出長(zhǎng)記憶性現(xiàn)象,表現(xiàn)為過(guò)去信息的影響不能忽略,但在上述RealizedGARCH模型的設(shè)定中并不能對(duì)該現(xiàn)象做出解釋。在長(zhǎng)記憶性模型中,Corsi(2009)提出的HAR模型同樣采用已實(shí)現(xiàn)波動(dòng)率進(jìn)行建模,該模型構(gòu)造簡(jiǎn)單使用OLS來(lái)對(duì)參數(shù)進(jìn)行估計(jì),實(shí)證效果和相對(duì)復(fù)雜許多的ARFIMA模型相當(dāng)。將HAR模型中構(gòu)造長(zhǎng)記憶的思想引入Realized GARCH模型的建模中,得到RealizedHARGARCH模...

【文章頁(yè)數(shù)】：51 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．１本文框架圖??７??

圖2.1滬銅RV和InRV的時(shí)序圖

圖２．２白糖ＲＶ和ＩｎＲＶ的時(shí)序圖??比較圖２．１和圖２．２可以發(fā)現(xiàn)，滬銅和白糖兩種期貨的己實(shí)現(xiàn)波動(dòng)率和對(duì)數(shù)己??現(xiàn)波動(dòng)率圍繞〇上下波動(dòng)，在相同時(shí)間段兩種波動(dòng)率的波動(dòng)情況類似波，明顯??現(xiàn)出己實(shí)現(xiàn)收益率的波動(dòng)聚集效應(yīng)，且對(duì)數(shù)己實(shí)現(xiàn)收益率的波動(dòng)效應(yīng)比己實(shí)現(xiàn)??動(dòng)率更強(qiáng)烈。以滬銅為例....

圖２．３滬銅ＩｎＲＶ的相關(guān)圖??圖２．３中，考慮滬銅期貨的對(duì)數(shù)己實(shí)現(xiàn)收益率相關(guān)圖，該序列的一階差分序列??相對(duì)平穩(wěn)，該差分序列在一個(gè)固定的均值水平〇的附近上下波動(dòng)，表現(xiàn)為右上角??

?Ｌａｇ??圖２．３滬銅ＩｎＲＶ的相關(guān)圖??圖２．３中，考慮滬銅期貨的對(duì)數(shù)己實(shí)現(xiàn)收益率相關(guān)圖，該序列的一階差分序列??相對(duì)平穩(wěn)，該差分序列在一個(gè)固定的均值水平〇的附近上下波動(dòng)，表現(xiàn)為右上角??的圖。為了證實(shí)所觀察到的這種現(xiàn)象，對(duì)該對(duì)數(shù)序列進(jìn)行拓展的Ｄｉｃｋｅｙ－Ｆｕｌｌｅｒ單??....

圖２．４?Ｒｅａｌｉｚｅｄ?ＧＡＲＣＨ模型擬合結(jié)果???

１?月?０３?２０１４?７月?０１?２０１４?１?月?０５?２０１５?７月?０１?２０１５?１?月?０４?２０１６?７？月?０１?２０１６?１?月?０３?２０１７?７月?０３?２０１７?１?月?０２?２０１８??圖２．４?Ｒｅａｌｉｚｅｄ?ＧＡＲＣＨ模型擬合結(jié)果??從上圖２．４可....

本文編號(hào)：4025706