统计学告诉我们,在大量数据的背后,必然隐含着事物本身的发展规律。本文主要基于统计学的一般原理,从历史数据中挖掘数字规律,给现在以及未来的Volatility予以估计的几个方法。 该文第一章,我们首先介绍了Volatility的定义,然后我们在如何用数学来度量,最后我们介绍了与之相关的金融数据的特征。让我们对它有个大致的了解。 第二章是重点,主要讲Volatility的一般计算方法和理论。第一节讲它的一般计算方法,利用一个例子具体得讲了一下,看完之后就知道在实际中一般是怎么计算了。第二节讲它的一般理论。最后介绍一种重要的EWMA模型。 第三章主要讲用目前国际上最流行的Garch(1,1)模型来计算。第一节先简单介绍了Garch模型。第二节给出了具体的计算方法。第三节介绍了最大似然估计方法。其中第一节是理论概述,并且引出了两种重要的模型,分别在二,三两节讲。讲述的重点是概述,主要想说明白模型的样子,对于其中复杂的数学计算,但是基本上都反映在文章中,并且展开仔细讲。最后说明如何用最大似然估计方法来预测。这其实是一个很重要的部分,但是比较理论,主要想说明白这种方法是干什么的。最后一个部分,讲了一下理论的发展。总之,后面的几部分重在了解,从直观上了解,大致去深究数学本质的内涵。 第四章介绍了ETF的跟踪误差。 第五章介绍了ETF的跟踪误差及其产生原因。 第六章介绍了ETF指数基金之跟踪误差预测和分解。第一节对ETF进行了风险分析,在此基础之上,提出了目标模型。最后给出了跟踪管理的方法。 如果有没写明白的地方,或者有差错的地方,敬请各位老师指正。