论文部分内容阅读
高频数据由于自身数量大、周期短、信息丰富的特点而受到关注。基于高频数据。对金融时间序列的厚尾特征进行条件极值分布下的VaR估计。在对条件均值和条件波动率估计时，以往采用一阶自回归模型和GARCH模型，但基于高频数据的估计较为繁复。为了充分利用日内信息，基于高频样本观测值，建立已实现均值RM模型，在考虑市场异质性的基础上，对条件均值进行估计。通过对TCL股票价格进行实证分析，估计出VaR风险值,验证模型是合理的。