金融高頻數(shù)據(jù)的分析及實證研究.pdf

1、隨著計算機(jī)技術(shù)的發(fā)展和通訊技術(shù)的革新，金融高頻數(shù)據(jù)的獲取與操作變得可行和簡單。由于高頻數(shù)據(jù)包含了豐富的市場信息，及時從這大量數(shù)據(jù)中提取有效信息變得越來越重要。
　　本文主要從周期性和長記憶性兩方面來分析我國股市高頻數(shù)據(jù)。首先，利用傳統(tǒng)方法對我國股市高頻數(shù)據(jù)進(jìn)行初步的統(tǒng)計分析，得出我國股市高頻收益率序列并不是正態(tài)分布，而是呈現(xiàn)出高峰厚尾性，且有著顯著的“日歷效應(yīng)”。其次，介紹了“已實現(xiàn)”波動率及其擴(kuò)展形式，分析得出，由于賦權(quán)“已實現(xiàn)

2、”波動率充分考慮了“日歷效應(yīng)”，所以，賦權(quán)“已實現(xiàn)”波動率比“已實現(xiàn)”波動率和調(diào)整“已實現(xiàn)”波動率更有效。同時，在綜合考慮測量誤差和微觀結(jié)構(gòu)誤差這兩種誤差的基礎(chǔ)上得出“已實現(xiàn)”波動率和賦權(quán)“已實現(xiàn)”波動率的最優(yōu)抽樣頻率為5min。最后，利用R/S分析法和修正的R/S分析法分別進(jìn)行計算，其結(jié)果均表明賦權(quán)“已實現(xiàn)”波動率具有長記憶性。于是，在長記憶HAR-RV模型的基礎(chǔ)上，本文提出了HAR-WRV模型，并以2011年度上證綜指采集頻率為5m