《基於高頻數據的中國股市波動率研究》共有八章，主要內容包括：第1章對本研究領域的背景與發展現狀進行簡明的介紹；第2章與第3章分別對基於高頻數據的已實現波動測度與基於低頻數據的ARCH類模型進行詳細闡釋，並將這些工具套用於中國股票市場中，對上證綜合指數進行建模，分析中國股票市場的波動特徵；第4章與第5章分別在波動預測與VaR（Value—at—Risk）預測不同標準下，比較各類波動率模型的預測能力；第6章對連續擴散過程假設進行擴展，分析跳躍擴散過程下的中國股市波動跳躍特徵；第7章主要分析中國股票市場的日內波動率動態特徵，並考察日內波動率與日內交易量之間的動態相關關係；第8章對全文進行總結，並給出未來的研究方向。
基本介紹
- 中文名：基於高頻數據的中國股市波動率研究
- 外文名：Volatility of Chinese Stock Market:Analysis with High-frequency Data
- 作者：西村友作
- 出版日期：2014年1月1日
- 語種：簡體中文, 英語
- ISBN：7566307843
- 出版社：對外經濟貿易大學出版社
- 頁數：213頁
- 開本：16
基本介紹,內容簡介,作者簡介,圖書目錄,
基本介紹
內容簡介
《基於高頻數據的中國股市波動率研究》主要著眼於中國金融市場中的股票市場，從日內高頻數據人手，在總結大量國內外相關文獻、跟蹤學界最新研究動態的基礎上，將國際上先進的各種波動率模型套用於中國股票市場上，使用包含著豐富信息的日內高頻數據，力圖全面、綜合地了解中國股市波動動態特徵，尋找最適合中國股市的波動率模型。
作者簡介
作者：（日本）西村友作
西村友作（1974—），男，出生於日本熊本縣。2002年9月來華留學，2010年6月於對外經濟貿易大學國際經濟貿易學院獲得經濟學博士學位。現任對外經濟貿易大學國際經濟研究院副教授，立命館大學客座研究員。主要研究方向為金融市場，金融風險管理與金融時間序列分析。近年在國內外學術期刊發表中英日論文30多篇。
西村友作（1974—），男，出生於日本熊本縣。2002年9月來華留學，2010年6月於對外經濟貿易大學國際經濟貿易學院獲得經濟學博士學位。現任對外經濟貿易大學國際經濟研究院副教授，立命館大學客座研究員。主要研究方向為金融市場，金融風險管理與金融時間序列分析。近年在國內外學術期刊發表中英日論文30多篇。
圖書目錄
第1章 緒論
1.1 研究背景
1.2 波動率研究的發展與現狀
1.3 本書的框架結構
第2章 已實現波動測度：已實現波動率與已實現極差波動率
2.1 引言
2.2 已實現波動率與已實現極差波動率的理論背景及其比較
2.3 已實現波動率與已實現極差波動率所面臨的問題及其對策
2.4 已實現波動測度模型
2.5 中國股票市場日收益率與已實現波動測度的統計特徵
2.6 已實現波動測度在中國股票市場的套用
2.7 本章小結
第3章 ARCH類模型
3.1 引言
3.2 ARCH類模型簡介
3.3 ARCH類模型估計方法
3.4 ARCH類模型在中國股票市場的套用
3.5 其他分布假設下的ARCH類模型
3.6 本章小結
第4章 波動預測比較分析
4.1 引言
4.2 文獻綜述
4.3 波動預測能力的比較及其評價方法
4.4 實證分析
4.5 本章小結
第5章 VaR預測比較分析
5.1 引言
5.2 文獻綜述
5.3 VaR預測及其評價方法
5.4 實證分析
5.5 本章小結
第6章 高頻數據波動率在跳躍擴散過程的套用
6.1 引言
6.2 跳躍擴散過程的理論背景
6.3 分析方法
6.4 實證檢驗結果
6.5 不同發展階段的股市波動跳躍分析
6.6 本章小結
第7章 日內波動率動態分析
7.1 引言
7.2 日內收益率序列的描述性分析與日內動態特徵
7.3 基於FFF的日內周期性的剔除
7.4 日內波動率的估計與特徵分析
7.5 日內波動率與日內交易量的動態相關特徵分析
7.6 本章小結
第8章 結束語
8.1 總結
8.2 研究展望
附錄
附錄A ARFlMA模型估計方法
附錄B Ljung—Box檢驗與Diebold（1988）的修正Ljung—Box統計量
附錄C Andersen，Bollerslev and Diebold（2007）的模型檢驗結果
參考文獻
中文文獻
日文文獻
英文文獻
1.1 研究背景
1.2 波動率研究的發展與現狀
1.3 本書的框架結構
第2章 已實現波動測度：已實現波動率與已實現極差波動率
2.1 引言
2.2 已實現波動率與已實現極差波動率的理論背景及其比較
2.3 已實現波動率與已實現極差波動率所面臨的問題及其對策
2.4 已實現波動測度模型
2.5 中國股票市場日收益率與已實現波動測度的統計特徵
2.6 已實現波動測度在中國股票市場的套用
2.7 本章小結
第3章 ARCH類模型
3.1 引言
3.2 ARCH類模型簡介
3.3 ARCH類模型估計方法
3.4 ARCH類模型在中國股票市場的套用
3.5 其他分布假設下的ARCH類模型
3.6 本章小結
第4章 波動預測比較分析
4.1 引言
4.2 文獻綜述
4.3 波動預測能力的比較及其評價方法
4.4 實證分析
4.5 本章小結
第5章 VaR預測比較分析
5.1 引言
5.2 文獻綜述
5.3 VaR預測及其評價方法
5.4 實證分析
5.5 本章小結
第6章 高頻數據波動率在跳躍擴散過程的套用
6.1 引言
6.2 跳躍擴散過程的理論背景
6.3 分析方法
6.4 實證檢驗結果
6.5 不同發展階段的股市波動跳躍分析
6.6 本章小結
第7章 日內波動率動態分析
7.1 引言
7.2 日內收益率序列的描述性分析與日內動態特徵
7.3 基於FFF的日內周期性的剔除
7.4 日內波動率的估計與特徵分析
7.5 日內波動率與日內交易量的動態相關特徵分析
7.6 本章小結
第8章 結束語
8.1 總結
8.2 研究展望
附錄
附錄A ARFlMA模型估計方法
附錄B Ljung—Box檢驗與Diebold（1988）的修正Ljung—Box統計量
附錄C Andersen，Bollerslev and Diebold（2007）的模型檢驗結果
參考文獻
中文文獻
日文文獻
英文文獻
