《高頻數據極值的周期性與波動性研究》是依託長春工業大學，由董小剛擔任項目負責人的面上項目。
基本介紹
- 中文名：高頻數據極值的周期性與波動性研究
- 項目類別：面上項目
- 項目負責人：董小剛
- 依託單位：長春工業大學
項目摘要,結題摘要,
項目摘要
本項目從高頻數據極值的視角研究金融市場高頻數據極值的周期性與波動性特徵、局部極端條件下信息與價格的影響關係等微觀結構理論及其套用。以高頻數據極值為切入點是研究金融市場微觀結構問題的新嘗試。研究內容主要包括：(1)基於金融市場高頻數據極值及其收益的統計特徵和變動特徵；（2）金融市場日內不同頻率數據極值周期性和波動性模型與動態關係及其區制轉移，和樣本外波動性預測；(3)採用Copula方法研究不同市場局部極值分布尾部的相關性，建立日內各個頻率極值序列條件已實現波動的VaR, CAVaR和ES模型，進行局部極端市場條件下高頻數據的風險控制研究；（4）在金融高頻數據領域，給出可靠的改進的SVM（Support Vector Machine）算法、模型的參數估計方法。通過對高頻數據極值的研究與分析，能夠從理論和實證模型方面發展金融市場微觀結構理論和風險控制研究。
結題摘要
本項目從高頻數據極值的視角研究金融市場高頻數據極值的周期性與波動性特徵理論及其套用。以高頻數據極值為切入點是研究金融市場微觀結構問題的新嘗試。主要研究了中國證券市場日內不同頻率數據的統計特徵、分布特徵及其變化規律；通過誤差修正模型以及GARCH模型研究我國證券市場中高頻數據均衡關係及其波動性，比較不同頻率下極值到收盤價格的調整係數的變化規律，對比了深圳綜指高頻極值的GARCH（1,1）與GARCH-M的擬合效果，觀察上證綜指與深圳綜指極值之間的溢出效應及相互影響；構造了M-COPULA-GARCH-GH（廣義雙曲線）模型，並將之套用於滬深兩市的高頻股票收益數據中日內不同頻率交易數據極值時間序列之間相關性的分析中。從金融收益分布假設著手改善風險度量的精度就，首次把廣義雙曲線分布套用到VaR 的分析方法中計算我國股票指數的VaR；利用Bayes方法和智慧型算法對SVM中的參數進行估計；利用小波方法對高頻數據資產收益的積分波動率進行估計。結果表明，採樣的時間間隔越小，得到的估計的誤差越小。本研究為高頻數據分析方法奠定了良好的基礎，具有重要的理論意義和套用價值。
