论文部分内容阅读
随着全球经济的迅速发展,金融市场呈现出前所未有的波动,商业企业和金融机构都面临着日趋严重的金融市场风险,加强对金融市场风险的管理已经成为了金融机构和工商企业生存和发展的关键因素,而金融市场风险管理的核心是对风险的定量评估,即风险测度。因此,深入细致地探讨市场风险测度的方法,无疑具有一定的理论价值和实际意义。 目前我国的金融市场风险测度研究一般都采用低频日数据,这必然会损失部分日内信息,影响测度的准确性。一般而言,金融市场上的信息对金融资产价格变化的影响是个连续过程,离散模型必然会造成信息的丢失,数据频率越低,则信息丢失就越多。因此,考虑基于分钟、小时甚至秒、分笔等(超)高频数据计算金融市场风险,无疑为深化对金融市场微观结构的认识,提高金融风险测度的准确性提供了一个新的思路和方法。本文正是在这一思想的引导下,开展了基于高频数据和超高频数据的金融市场风险测度方法的研究。 文中以我国股票市场为研究对象,选取了上证指数、上证180指数、招商银行和贵州茅台四支股票进行实证分析,数据频率分别为分笔、5分钟、10分钟、15分钟、20分钟、30分钟和60分钟,时间跨度为2004-2010年。 本文旨在构建金融市场风险的高频数据计量体系,为使用高频或超高频数据测度金融市场风险的研究抛砖引玉,因此,本文在第一章对金融市场风险高频计量的相关文献进行了归纳总结,并在第二章对金融市场风险测度相关的金融市场理论基础及交易环境的变化情况进行梳理,指明了金融市场风险高频计量的研究方向,为该领域的研究向纵深方向发展打下了坚实基础;本文第三章对金融市场风险的一些基本概念进行了梳理,对金融市场风险测度的方法进行了综述,指出本文主要使用VaR方法来计算金融市场风险;使用高频数据测度金融风险的一个重要前提就是对金融高频数据的特征有很好的把握,因此,本文在第四章对我国股票市场上的高频数据特征和超高频数据特征进行了深入的研究;超高频数据的采集是随机间隔的,而高频数据是等间距采集的,数据特征的迥异决定了对两种类型的数据建立的模型不同,本文第五章针对我国股市上的高频数据特征,选用了已实现波动率模型对金融市场风险进行测度;第六章针对超高频数据的特征,选用超高频波动率模型对金融市场风险进行测度,选用蒙特卡洛模拟法对日内风险价值进行了测度,实证检验也验证了这些模型在我国金融市场上的适用性。本文研究的创新点可概括如下: 1.本文系统地梳理了基于高频数据的金融市场风险测度方法的相关研究,构建了金融市场风险测度的高频建模体系,对金融市场风险高频测度的进一步研究起到了抛砖引玉的作用。 2.比较深入地考察了高频数据和超高频数据的特征,数据特征的考察对于金融市场风险的测度建模至关重要,但以往研究经常忽略。 3.本文在测度方法的使用中,比较注重结合中国金融市场实际,对经典模型进行适当地改进及创新,建立了适合我国金融市场风险测度实际的高频数据模型体系。 4.本文依据统一的参照方法,对不同分布下的低频模型、高频模型和超高频模型测度方法的优劣性及适用性进行了评判,深入地研究了使用高频数据计算金融市场风险的精确性问题。本文还对不同频率数据在测度金融市场风险时各自的适用性进行了研究和界定,这些在目前的研究中还不曾见到。