论文部分内容阅读
近年来，对金融市场超高频数据研究已经成为了金融计量学的一个全新的研究领域和方向。本文主要研究了超高频数据下金融市场持续期建模及其应用问题，主要工作和创新点如下：
1)系统的对ACD模型和SCD模型进行了以下几个方面的比较分析：1、证明了两类模型都可以转化为ARMA模型，从理论上探讨了两类模型之间的联系；2、利用随机模拟似然比检验方法，就两类模型对原始数据的拟合程度进行了比较；3、就两类模型的自相关函数对原始数据的自相关系数的刻画程度进行了比较；4、就两类模型对原始数据离散指数的刻画程度进行了比较。最后得出结论，SCD模型比ACD模型对原始数据的刻画具有更强的优势。
2)就SCD模型在金融实践的应用方面，首先探讨了SCD模型在验证金融市场微观结构理论方面的应用；然后，探讨了SCD模型在金融市场风险定量分析中的应用，提出了基于SCD模型的一步前向VaR和一步前向ES两个算法，为金融市场风险管理给出了基于超高频数据的定量分析工具。
3)考虑了超高频数据下金融市场持续期的变结构问题，提出了具有马尔科夫转换机制的SCD模型，利用MCMC算法对MSSCD模型的参数进行了贝叶斯推断。而且通过实证得出，由于变结构的存在，使普通SCD模型有可能高估持续期序列的持续性：
4)提出了LMSCD模型，并分析了LMSCD模型与ARFIMA模型的关系、LMSCD模型的替代量以及LMSCD模型的聚合问题。利用修正R/S、LM和基于小波变换的长记忆存在性检验方法，对LMSCD模型长记忆的存在性从不同角度进行了检验。就模型参数的估计方面，提出了基于混沌-禁忌遗传算法的谱极大似然函数优化方法，通过模拟实验证明该方法可行，并且通过建立中国股市的LMSCD模型，验证了中国股市超高频数据长记忆性的存在。