共查询到10条相似文献,搜索用时 15 毫秒
1.
高频数据由于自身数量大、周期短、信息丰富的特点而受到关注。基于高频数据。对金融时间序列的厚尾特征进行条件极值分布下的VaR估计。在对条件均值和条件波动率估计时,以往采用一阶自回归模型和GARCH模型,但基于高频数据的估计较为繁复。为了充分利用日内信息,基于高频样本观测值,建立已实现均值RM模型,在考虑市场异质性的基础上,对条件均值进行估计。通过对TCL股票价格进行实证分析,估计出VaR风险值,验证模型是合理的。 相似文献
2.
采用两只股票的日数据和5种高频数据,借鉴组合预测思想,综合利用协整模型和新卡尔曼滤波模型,与统计套利策略具体目标相结合,设计出新统计套利组合策略,实证分析数据频率、策略选择对统计套利效果的影响。结果表明:运用高频数据及引入卡尔曼滤波模型均有效,但卡尔曼滤波模型与协整模型不存在明显优劣之分,选择组合策略是必要的;组合策略收益性显著优于采取单一模型的套利策略;组合策略下的套利组合随数据频率提高,收益率波动性更小、更稳定;组合策略接近市场中性,能很好地免疫市场风险。 相似文献
3.
基于实现极差和实现波动率的中国金融市场风险测度研究 总被引:8,自引:0,他引:8
目前比较流行的金融市场风险价值研究一般采用日收益数据,并基于GARCH类模型进行估计和预测。本文利用沪深股指日内高频数据,分别通过ARFIMA模型和CARR模型对实现波动率和较新的实现极差建模,计算风险价值。通过对VaR的似然比和动态分位数等回测检验,实证分析了各种模型的VaR预测能力。结果显示,使用日内高频数据的实现波动率和实现极差模型的预测能力强于采用日数据的各种GARCH类模型。 相似文献
4.
5.
6.
7.
随着人民币汇率市场化程度的不断加深,人民币汇率的波动越来越大,对人民币汇率波动的预测显得越来越重要。现有文献都只通过单一的模型来预测人民币汇率的波动,我们无法据此确定哪一种模型对人民币汇率波动有更好的预测能力。本文选取常用的预测金融资产波动率的指数平滑模型、ARCH模型和GARCH模型,采用动态时间滚动窗口技术,对2005年以后的人民币汇率波动进行了拟合和样本外预测,并通过损失函数的计算和DM检验方法比较了各模型对人民币汇率波动的样本外预测能力。结果发现,相对于ARCH模型和GARCH模型,指数平滑模型具有最优的波动预测能力。 相似文献
8.
广义线性模型作为非寿险定价的经典模型,在非寿险定价中得到了广泛的应用。近年来,以提升算法为代表的机器学习算法在保险领域取得了很好的效果,为保险产品定价提供了一种新的选择。本文将提升算法思想分别融入到回归树模型和广义线性模型(GLM)中去,用得到的新模型对我国车险索赔频率进行预测建模分析,并与传统的回归树模型和GLM进行比较。结果表明,加入提升算法后传统车险索赔频率建模模型的效果得到了很大的改善,并且在不存在过拟合的前提下,随着模型深度和迭代次数的增加,模型的效果也在不断优化。 相似文献
9.
罗意 《金融经济(湖南)》2011,(8)
近年来,随着高频数据的可获取,已实现波动率成为金融研究领域的热点,而抽样频率的选择对准确估计已实现波动率至关重要。最优抽样频率理论上应能较好的平衡测量误差和微观结构误差的存在,本文结合国内外的研究经验,给出了一种适合我国股票市场已实现波动率最优抽样频率的选取方法,并实证得出我国股票市场最优抽样频率为15分钟。 相似文献
10.
罗意 《金融经济(湖南)》2011,(4):95-96
近年来,随着高频数据的可获取,已实现波动率成为金融研究领域的热点,而抽样频率的选择对准确估计已实现波动率至关重要。最优抽样频率理论上应能较好的平衡测量误差和微观结构误差的存在,本文结合国内外的研究经验,给出了一种适合我国股票市场已实现波动率最优抽样频率的选取方法,并实证得出我国股票市场最优抽样频率为15分钟。 相似文献