高頻數據在套利中的應用.pdf

1、全文由兩部分組成：一股市高頻數據的統(tǒng)計特征分析；二利用高頻數據估計市場波動和VaR. 這一部分包括兩章.第一章討論股票日內收益的非對稱性.關于金融資產收益的非對稱性在金融理論與實務中的重要意義已有大量的文獻.然而關于非對稱檢驗方法本身卻研究甚少.幾乎所有這方面的文章都簡單的利用偏度系數來判斷是否有偏.這種檢驗方法假設收益服從正態(tài)分布，與已知的高頻金融數據高峰，厚尾，遠離正態(tài)的特征不符.為此，我們提出一種新的檢驗方法：滑動分塊自助

2、法.這種新方法對收益序列不做任何分布假設，是一種完全非參數方法，且適合于相依時間序列(收益序列存在或多或少的序列相關性). 第二章討論股票日內收益模式及超額收益檢驗.金融經濟學者研究發(fā)現，許多國際金融市場日內收益呈‘U’型分布，并由此斷言存在某種套利交易策略可以獲取超額收益.一個重要問題是，這些所謂的超額收益在統(tǒng)計或經濟意義上顯著嗎?在這一章中，我們引入一種新的統(tǒng)計檢驗方法對滬深股市進行實證分析.結果表明，在目前，我國股票市場日

3、內收益的確存在一種系統(tǒng)模式成U型分布.利用K-最近鄰域預測法(這是一種目前廣泛使用的非線性，非參數方法被證明在多種金融市場具有較強的預測能力)預測滬深股市兩種指數8只個股的15分鐘，半小時的價格.雖然這種預測方法看起來具有某種預測能力.能得到高于買入.持有策略的超額收益，然而在統(tǒng)計意義上，這種超額收益并不顯著. 第二部分包括兩章，討論利用高頻數據估計波動和風險價值.第三章介紹各種波動模型，其中主要討論日內已實現波動模型盡管高頻數

4、據為計算和預測波動提供了更多的信息，然而數據的復雜性也為其帶來了不少難題，最重要的一點是如何抽樣.在這一章中，我們重點討論利用三種適合相依時間序列的的抽樣方法估計日內已實現波動. 第四章第一節(jié)討論利用日內已實現波動及其他幾種模型估計VaR，主要包括GARCH類模型，歷史模擬法(濾波歷史模擬法)和極值理論方法.如何評估各種VaR模型是與VaR度量緊密聯系的一項任務.在第二節(jié)中，我們回顧了目前的各種VaR檢驗方法，并提出了一種新的檢驗方法一

5、基于經驗似然比的VaR檢驗方法.與前人的方法相比，這種方法具有如下優(yōu)點：1.對分布未強加任何假設，是一種非參數方法，因此比參數方法穩(wěn)??；2.計算簡單，易于在實際中使用；3.檢驗功效強大；4.非嵌套對比檢驗一檢驗兩種VaR模型是否存在顯著的統(tǒng)計差別.這是一個實際使用者很關心的問題，而以前的各種檢驗方法都只是檢驗某種VaR方法是否‘合格’，而不能回答兩種方法是否‘不同’.最后，我們對滬深股市進行實證分析.結果表明，濾波歷史模擬法是最優(yōu)的Va