一、沪深两市股票指数的长记忆性（论文文献综述）
毛小丽[1]（2020）在《深港通对我国股票市场波动性影响研究》文中认为资本市场对外开放是一国资本市场发达程度的重要标志,是金融发展与深化的重要内容之一,是我国政府一直积极推行的基本国策。为进一步增强我国资本市场对外开放程度,2014年11月17日、2016年12月5日中国证监会与香港证监会共同宣布沪港通与深港通互联互通机制正式实施,两地投资者可通过当地证券公司或经纪商买卖规定范围内的对方交易所上市的股票。沪港通与深港通的实施是全面深化改革的重大突破,实现了境内外投资者的双向开放,扩大了境内外投资者投资渠道,深化了境内外资本市场的交流合作,优化了我国资本市场投资者结构,从而促进内地资本市场的稳定发展。然而,沪港通和深港通等资本市场对外开放制度的实施也增加了内地资本市场与国际资本市场的联动效应,加剧了市场波动风险,影响内地资本市场乃至经济的平稳发展。因此,本文借助深港通开通的契机,探讨深港通这一对外开放制度的实施如何影响我国资本市场股价波动性。股价波动性特征会发生怎样的变化?内地股市与香港股市之间的联动性是否增加?降低还是加剧了内地股票市场的波动性?分析这些问题有助于我们更为清晰地认识我国资本市场对外开放的经济后果,对了解不同国家或地区市场间的信息传递模式及风险传染机制,完善我国资本市场对外开放政策具有重要的借鉴意义。针对上述问题,本文主要从以下三个方面展开研究。首先,构建了描述波动率的分式布朗运动随机波动率模型,并对该模型的估计设计出基于贝叶斯原理的MCMC推断法。为了研究深港通实施后运行时间的长短是否对深市产生不同的影响,选用2016年1月5日到2017年11月2日深证成指和中小创新指数30分钟收盘价数据,并将其分为不同区间进行实证分析。通过Open BUGS软件对模型进行估计,说明抽样的收敛性和模型估计的准确性,并对模型进行诊断,说明模型有较好的拟合能力。研究结果表明:深港通开通前后,深证成指和中小创新指数都存在明显的跳跃倾向,深港通开通后跳跃倾向增加,并且随着深港通机制的逐渐实施,跳跃倾向未有所减小。深港通开通初期,股市的波动水平、波动持续性、波动的扰动水平增强。但随着时间的推移,政策效果逐渐显现,股市的波动水平、波动持续性和波动的扰动水平有所降低。深证成指和中小创新指数在深港通前后都存在明显的杠杆效应,深港通开通初期,深证成指和中小创新指数的杠杆效应减弱,但相对长期,杠杆效应增强。其次,通过GC-MSV模型,用基于贝叶斯原理的MCMC推断法对模型进行估计,分析深港通实施前后深市与港市之间的波动溢出效应。以深港通正式启动日2016年12月5日为分割日,选用2016年5月3日到2017年7月11日深证成指、中小创新指数和恒生指数30分钟收盘价数据作为样本。研究结果表明,深港通开通前后,深证成指、中小创新指数和恒生指数的波动存在高度的持续性,且深港通开通后波动持续性都显着增强。深港通开通前后,深证成指、中小创新指数与恒生指数之间都存在双向的波动溢出效应。深港通开通后,深证成指和中小创新指数对恒生指数波动的影响明显增强,恒生指数对深证成指和中小创新指数波动的影响也明显增强。说明深港通开通后,内地股市与香港股市间的联动性显着增强,我国内地证券市场在国际金融市场上的地位有所提升,但由于政策尚处于初期,在加强两地市场联动的同时,也加强了两地市场间的波动溢出效应。最后,变换数据和模型进行检验,说明结果的稳健性。最后,阐述了资本市场对外开放对我国股票市场波动的影响机理,并提出研究假设。利用2014-2018年深市上市公司股票数据,设计双重差分模型,以深入检验深港通对我国股票市场波动性的影响。研究发现:深港通政策的实施加剧了深股通标的股票的波动性,且在深股通活跃成交股中更为显着。用盈余管理验证发现,深港通实施后,深股通标的股票可操控性应计项增加,管理层进行盈余操纵的动机增大,信息披露质量下降,深股通标的股票波动性增加。运用会计稳健性进行检验发现,深港通开通之后,现金流中的噪音增加,同时会计稳健性下降,也说明了深港通制度的实施,加剧了深股通标的股价的波动。利用噪音交易指标检验发现,深港通开通后,深股通标的股票相比于非深股通标的股票,噪音程度提高,从而加剧股市波动。从公司治理角度进行分析发现,深港通的实施未改善公司治理水平。为了排除QFII持股、A+H股同时上市、产权性质、非随机选择性、沪港通、波动性变量选取、A股纳入MSCI指数等因素造成的误差,对其进一步验证,表明结果的稳健性。同时,我们对深市创业板上市公司样本进行检验,实证结果表明,深港通加剧了深市创业板公司股票价格波动,但相对整个市场而言,并不明显。总之,深港通这一重要制度的实施,虽然一定程度上增强了两地资本市场的联动效应,有利于推进中国资本市场对外开放的程度,进一步提升我国证券市场在国际金融市场上的地位,但由于内地资本市场还不够完善与成熟,未完全与国际金融市场接轨,且深港通政策尚处于初期,在加强两地市场联动的同时,也加强了两地市场间的波动溢出效应。市场对外开放的同时,也将国际市场的风险带到内地资本市场,加剧了市场波动风险。对此本文提出了相应的政策建议。
李振宇[2]（2020）在《中国股票市场的双重记忆性分析》文中研究表明中国股票市场是一个庞大复杂的系统,从其运行的时间段看,中国股市会经常出现暴涨和暴跌的现象,因此对其行为趋势的研究是重点和热点问题。早期学者有效市场假说为研究基础,但市场实际运行情况导致其研究理论遭到质疑。之后分形市场理论诞生,为金融市场研究开辟了另一条道路。本文以分形市场理论为研究基础,结合结构性突变相关理论来研究我国股票市场收益率序列的突变点与长记忆性,进而探寻中国股市的运行规律。首先,本文在国内外文献研究基础上,运用经典R/S、修正R/S、GPH、LW、ELW和极大似然估计等方法检验上证综指和深证成指的日收益率序列是否具有长期记忆性,结果发现沪深股票市场均存在双重长记忆性的特征,上海市场收益率序列的记忆性大于深圳市场日收益率的记忆性,而上海市场日收益率序列波动性的记忆性小于深圳市场日收益率波动性的记忆性。其次,在检验长记忆性基础上,本文从结构突变的视角出发,采用修正的ICSS算法和BP多均值突变模型检验上证综指和深证成指的日收益率序列是否存在结构突变,结果证明沪深市场均存在结构性突变特征,在此基础上检验其“伪”长记忆性,结果证明中国股票市场具有“真”双重长记忆性。最后,在我国股市存在双重长记忆性基础上,运用FIVAR模型研究沪深股票市场日收益率与其波动性之间存在的关联性问题。并根据本文得出的结论,探究我国股票市场双重记忆性的原因,并建议从市场调控、股市监管制度、股权分置改革以及投资者教育方面出发去完善中国股票市场,缩小与发达市场的差距,从而走上健康平稳的“牛市”格局。
姬昊辰[3]（2020）在《基于沙堆模型对中国股市的研究》文中指出随着中国经济的不断发展,股票市场也在不断的扩大,股市的趋势和波动对经济有着巨大的影响作用。自中国股市成立以来,就有许多专家学者对中国股市的有效性进行研究,近些年来,大量的文献表明中国股票市场已经达到弱式有效市场,表明中国股票市场已经属于有效市场假说的范畴。然而,还有一些文献的研究发现,市场上出现许多与有效市场假说相悖的异常现象,比如羊群效应和日历效应等,这些现象的发生表明股票市场的结构并非是有效市场所假设的情形。因此,本文试图通过分形市场假说的理论来探索中国股票市场的分形结构,以及通过分形理论中的自组织临界理论和沙堆模型来对中国股票市场进行实证分析。本文第一章对国内外相关研究文献进行总结与分析。第二章从分形市场假说入手,对比分形市场假说与有效市场假说的不同之处,对分形市场假说进行概述与讨论。第三章使用R/S分析法对中国股票市场的分形特征进行实证研究,探索是否中国股票市场处于分形市场的状态。第四章对分形理论和动力学理论中着名的自组织临界性理论进行介绍与讨论,由于自组织临界性理论是揭示沙堆模型的基础,因此对自组织临界性理论的研究有助于更好的理解沙堆模型。第五章通过使用沙堆模型对中国股票的内在动力学机制进行研究和探索,使用中国沪深股市近20年数据进行实证研究,探索中国股市的内在动力学机制以及中国股票市场存在的分形结构。通过对中国股票市场的分形结构以及股市的动力学机制进行实证研究后表明:中国股票市场并非达到有效市场,而是处于一种分形市场的结构。中国股票市场具有长程相关性,沪深股市均具有150天左右的正向的长记忆性。中国股票市场满足沙堆模型的相关特征,是一个开放的耗散系统,会自组织的朝向自组织临界状态发展,在自组织临界状态时,任何一个扰动将导致股价的距离波动。中国股票市场在空间和时间上均呈现出标度不变性,其中,上海股票市场在出现大规模下跌的概率要高于大规模上涨的概率,在下跌时的持续时间会高于上涨时的持续时间;深圳股票市场在出现大规模下跌的概率要高于大规模上涨的概率,在下跌时的持续时间低于上涨时的持续时间。在外界环境相对稳定的状态下,中国股票市场价格的波动主要由其系统内部各因素所决定。本文的研究对中国股票市场的分形结构进行了探索,研究结果更加符合现实市场的情况,为进一步对中国股市内在的机制的探索以及对中国股市股价波动的研究有着借鉴作用。
邓俐伶[4]（2019）在《基于跳跃、共跳的波动率预测研究 ——来自高频金融数据的证据》文中指出金融市场的波动率是影响资产定价、投资组合策略和风险管理的重要因素,也是国内外学者和金融实务从事者研究的重要课题。资产价格的异常波动不仅直接威胁国内金融市场的稳定与经济社会的发展,而且容易引发系统性金融风险。随着改革的不断加深和衍生产品的开发,我国市场虽然具有巨大的发展潜力,但面临的各种不确定性因素也越来越多。如何对波动率进行估计和预测,从而有效地应对各种金融理论和实务问题,是控制和防范潜在风险,维护我国金融体系稳定的重要问题。随着计算机和通讯技术的发展,对波动率的描述步入高频时代。Andersen等（2001,2003）提出用日内高频收益的平方和来对波动率进行直接测度,这种方法称为已实现波动率（Realized Volatility,RV）。同时,资产的高频收益在日内近似连续的某些时间节点上可能发生突变,这种行为称为跳跃。Barndorff-Nielsen和Shephard（2004）在已实现波动率的基础上实现了对日内跳跃行为的检测。大量研究表明,跳跃对资产波动率的刻画和预测具有重要影响,但这种影响的具体形式究竟如何,目前还没有较为一致的观点。因此,本文尝试从多种不同角度对跳跃的类型进行区分,并通过已实现波动率模型进一步分析在预测中起主要作用的跳跃成分。同时,随着衍生产品的活跃和金融市场一体化趋势的发展,市场间的联动关系和风险传导机制逐渐受到关注,不同资产或不同市场之间的价格共跳（Cojumps）也日益成为金融领域的前沿问题。部分研究表明共同跳跃对波动率同样具有重要意义,并能够显着改进对波动率的预测。相比单个资产的跳跃,对多个资产共跳的研究目前非常有限,且基本都没有对共同跳跃的符号方向、发生时间及风险来源等可能影响波动率的因素作出进一步分析。因此,本文在跳跃的基础上进一步尝试对不同类型的共跳成分进行识别,并考察在波动率的预测过程中共同跳跃所表现出的性质有何异同。在高频波动率的度量中存在两个主要问题:日内效应和隔夜效应,综合考虑两种效应的影响,构建最优估计量是对波动率进行建模的首要问题。同时,日内效应的存在可能导致跳跃的过度识别,选择有效的检验方法,是研究跳跃与共跳对波动率影响的必要条件。基于上述分析,本文以沪深300股票指数、股指期货及部分上证指数为研究对象,分别构建了关于跳跃和共跳的HAR-RV模型,并从波动的非对称性（杠杆效应）、隔夜因素及系统性因素等三个维度展开对波动率的预测分析。本文所做的主要工作和结论大致分为以下几个部分:第一,模型构建与方法选取。在波动率的度量方法上,综合日内效应和隔夜效应的影响,构建日内无加权已实现波动率、日内加权已实现波动率、扩展已实现波动率及扩展加权已实现波动率等四种估计量作为建模变量;在跳跃的检验方法上,通过理论推导了 S-BNS检验的改进形式——WS-BNS检验的统计性质,并构建了关于共同跳跃的BW检验准则。第二,波动率与跳跃的特征分析。首先对可能导致波动率与跳跃出现不同特征的信息来源进行分析,在此基础上构建不同类型的跳跃变差,并建立相应的HAR-RV-CJV模型;接下来对上述四种已实现波动率分别建立HAR-RV模型并进行拟合能力的比较。实证结果显示:波动率和跳跃均存在较强的集聚效应,且波动率具有明显的长记忆性和异质性。对沪深300股指和期指市场来说,扩展加权已实现波动率（WRVH）是最优估计量,而对于上证综指,对全天收益进行加权处理的加权已实现波动率（WRV）是波动率的最佳估计。第三,跳跃对波动率的预测分析。在HAR-RV-CJV模型框架下,分别从非对称性、隔夜信息及系统性因素等三个角度分析跳跃在波动率预测中的作用。跳跃对波动的非对称性具有明显的阶段特征,并且在不同阶段发生了方向上的反转。价格对隔夜信息的反应总体上具有一定的滞后性,隔夜跳跃的影响大于日内跳跃,隔夜跳跃能够传导至当日日内和次日隔夜。第四,共跳对波动率的预测分析。根据实证结果,基于BTL检验和WS-BNS检验的BW检验是最优的非参数检验方法。首先在该检验下对共跳及共跳协变差的性质进行了综合分析,接下来在HAR-RV-JCOV模型框架下,分别考虑共跳的符号方向、发生时间等因素的影响。实证表明:1、共同跳跃对波动率的预测同样具有非对称效应,并且这种效应具有阶段性和反转特征。2、共跳的隔夜特征非常明显,隔夜共跳对下一期波动率有显着的正向影响;与跳跃不同的是,在股指市场隔夜共跳并不能传导至当日日内,因此实证结果并不支持期指市场对股指市场存在波动溢出。3、总体来说,周期性行业指数的系统性共跳对下一期波动率具有显着正影响,而非周期性行业指数的系统性共跳则具有显着负影响或影响不明显;同时,系统性共跳对波动率的预测受政策影响比较大。第五,符号共跳协变差是基于符号跳跃所构建的关于符号共跳的新的估计量。通过基于滚动预测技术的SPA检验发现,符号共跳协变差能够明显提高模型的样本内拟合能力和样本外预测精度,从而改进对波动率的预测。本文基于沪深300股指、期指和上证指数的高频数据,研究引入跳跃和共跳的波动率预测方式,在资产定价、投资组合及风险管理等金融理论和实务领域具有重要的借鉴意义。在理论层面,分别对跳跃和共跳建立具有不同效应的已实现波动率模型对金融风险管理理论具有重要的创新意义,其中对已实现波动率的度量形式和跳跃检验方法的改进在一定程度上也丰富了高频波动率的方法体系。由于波动率的估计和预测在金融计量领域有着举足轻重的作用,因此从波动率的建模入手研究各种复杂因素对波动率的预测作用,对我国市场的定价、投资和风险预测等具有重要的参考意义。在实践研究中,波动率的有效预测有助于投资者深刻认识市场微观结构因素和衍生品市场的复杂性,在进行有效风险防范的基础上根据自身情况指定最优组合策略。不同市场或不同指数之间的价格共跳与影响整个市场的宏观信息冲击关系密切,研究波动的共跳特征有助于分析市场间的信息溢出及行业的周期性特征,不仅可以帮助金融监管者和政策制定者了解风险来源和建立预警机制,而且可以为投资者优化决策、规避风险提供指导。与现有研究单独考察跳跃、共跳、杠杆效应、隔夜信息及系统性风险等因素不同,本文在非参数检验方法基础上综合考虑上述等因素对高频数据中波动率的预测效果进行研究,可能的创新点主要体现在以下几个方面:第一,从检验跳跃的方法上对非参数检验进行了一定的调整。由于U型效应的存在,可能产生跳跃的过度识别,影响预测的准确性。本文尝试拓展了单一检验方法的限制,提出BW检验,并对跳跃的识别效率及其在波动率预测中产生的差异进行了实证研究。第二,将系统性共跳引入波动率的预测模型,考察具有不同风险特征的跳跃行为对未来波动率的影响,并在对波动率的研究中尝试考虑共同跳跃的方向符号,对共同跳跃是否也具有杠杆效应这一问题进行了检验。同时,进一步构建了新的符号共跳变量——符号共跳协变差,并通过SPA检验分析加入符号共跳协变差对模型样本外预测能力的影响。第三,在跳跃和共跳的研究中考虑了隔夜信息的重要影响。为了进一步分析隔夜跳跃的日内传导性,本文分别对日内波动、隔夜波动和整体波动三种不同成分进行建模,并分别就隔夜跳跃（共跳）和日内跳跃（共跳）对波动率预测的影响进行了实证研究。研究尝试在波动率度量中综合考虑日内效应和隔夜效应等因素的影响,在进行加权处理的同时兼顾隔夜尺度,且结论具有一定的稳健性。
张家樾[5]（2019）在《时间序列长记忆性理论及实证研究 ——以中国沪深股市为例》文中提出自上世纪50年代Hurst指数提出后,时间序列长记忆性越来越受到重视,在包括水文、气候、金融等各领域都有广泛的应用,尤其在Granger等学者从计量经济学角度给出了时间序列长记忆性定义之后,长记忆理论得到快速发展,但至今仍然有诸多理论和实证问题有待解释、完善。本文首先从理论上推导了 A-PARCH模型的理论自相关函数,并借此研究了模型的长记忆性,其次,比较分析了各种伪长记忆检验的有限样本性质和统计功效。最后,在结构突变点存在情况下,对长记忆波动率模型进行了改进,并在此基础上,估计并检验了我国沪、深股市波动的长记忆性,并由此讨论了我国股市的弱式有效性。本文主要研究内容及结论概括如下:第一,本文推导并研究了高阶A-PARCH（p,q≥2）模型理论自相关函数的统计属性,并在此基础上,对A-PARCH模型的长记忆性进行了研究。分别讨论了 A-PARCH模型的主要参数,包括非对称参数和幂参数,对理论自相关函数的影响,并进一步在假设模型持续性参数既定的情况下,通过自相关函数图,分析了幂参数对A-PARCH模型长记忆性的影响。从数值实验结果可知,非对称参数非零时,模型的长记忆性显着高于非对称参数为零的情况。其次,即使模型的持续性相同,但模型的长记忆性也不一定相同。第二,本文从频域和时域两个维度梳理了已有的伪长记忆检验方法,并基于Hou和Perron（2014）的修正局部Whittle估计量,提出了基于LWLFC估计量的修正伪长记忆检验,修正Kuswanto检验和修正Shao检验,并就其有限样本性质与统计功效与其他检验方法,包括Qu（2011）的LW检验、Kruse（2015）的修正LW检验、Kuswanto（2011）检验以及Shao（2011）检验,进行了比较分析。通过蒙特卡洛数值模拟结果可知,首先,对于存在单个均值突变的伪长记忆序列的检验中,发现Shao检验和修正Shao检验的有限样本性质及统计功效最好;其次,在比较各伪长记忆检验的统计功效时,我们发现基于LWLFC估计量的修正Kuswanto检验的统计功效显着高于Kuswanto（2011）检验,但修正Shao检验统计功效的改进不显着;最后,对于包含真实长记忆的伪长记忆序列,LWLFC检验的统计功效显着高于其他检验方法。第三,本文将非参数结构突变点检验方法与长记忆波动率模型相结合,构建了引入结构突变项的长记忆波动率模型,RS-FIGARCH模型和RS-HYGARCH模型,并利用该模型对我国股票市场长记忆性进行分析。此外,还利用对数周期图估计法、局部Whittle估计法以及剔除低频干扰的修正局部Whittle估计法对沪、深股市波动的长记忆性进行分析。在了解沪、深股市波动长记忆性的基础上,对我国股票市场的弱式有效性进行了实证研究,指出我国股市虽总体尚未达到弱式有效,但沪、深两市已出现分化,总体看,上海股票市场有效性要好于深市。
蒋敏[6]（2019）在《基于长记忆视角的沪港股市联动效应研究》文中认为2018年以来,“扩大开放”成为金融领域的主旋律之一。沪港通政策作为大陆金融业对外开放的重要一环迎来了更广阔的前景,故本文主要研究了沪港股票市场在沪港通政策实施前后的联动效应变化。本文选取了沪股通指数（SSI）与港股通指数（HKI）以及不同规模与不同行业沪港通相关指数,先采用事件研究法,比较分析了沪港两市相关股票收益形式在沪港通事件前后的变化。接着,采用长记忆VAR-H-（BEEK）MVGARCH模型从长记忆的视角研究沪市与港市的联动效应与风险变化,研究结果如下:首先,在收益性上沪港通政策利好沪通股利空港通股,其中小规模股指受资金流影响下行压力较大,金融行业股指受政策支持提振显着。其次,长记忆VAR-H-（BEEK）MVGARCH是一个适用于刻画我国港市与沪市均值溢出效应和波动溢出效应的计量模型。同时,汇率市场作为一个重要的媒介市场,对两地股票市场相互作用的影响非常显着,在汇率变动的参与下,我国沪市与港市间的均值与波动溢出效应非常显着,但存在传导差异。港通股向沪通股的均值溢出效应在事件后更为显着,沪通股向港通股的波动溢出效应在事件后更为显着。最后,各规模及行业沪港股指的相关研究结果显示:（1）沪港通政策削弱了沪市股指的长记忆性,让沪市的各规模及行业股指从处于非有效市场转变为了有效市场。（2）沪港通的开通,促进了各规模、行业股市的均值溢出效应与波动溢出效应,且中等规模股指及食品行业股指受政策影响最大。说明大陆金融市场对外开放程度随着政策的落实逐渐升高,沪港股价变动协同性提升,但风险传染性也随之增加。总之,沪港通政策对于我国金融市场利大于弊。
陈思柳[7]（2019）在《内地、香港及伦敦股市风险相依关系变动研究》文中研究说明随着经济全球化和金融一体化的发展,世界各国（地区）的经济开放程度逐渐提高,金融市场之间的相依性逐渐增强。投资自由化改变了金融市场的资本配置和运行模式,而资本在推进金融深化和提高市场效率的同时也带来了金融危机频频爆发等一系列问题。而与此同时,中国对外开放的程度正在不断加深,除了引入QDII、QFII制度使得境内外居民可以跨市场投资以外,“沪港通”“深港通”“沪伦通”等政策的陆续出台也促进了资本的流动。内地股市加大对外开放程度的政策加深了内地股市与国际股市之间的联动性,使得内地股市更加容易受到国际股市波动的影响,同时也使得跨地区或国家投资组合的风险分散能力降低,金融风险监管难度进一步加大。而市场间复杂相依性的度量是金融风险管理的基础,也是近十年来国内外学术界研究的热点和难点。本文以“沪港通”“深港通”“沪伦通”等互联互通政策的推出为契机,研究沪、深、港、伦四市在整个股市发展历程中的相依结构变化。本文分别选取上证综指、深证成指、恒生指数、富时100指数的日收盘价数据作为研究对象,取其收盘价的对数收益率。考虑到金融资产常呈现出尖峰厚尾、有偏、自相关、条件异方差等典型特征,选取ARMA（1,1）-FIAPARCH（1,d,1）-Skewed t模型将其过滤为标准残差序列,并结合EVT极值理论构建边缘分布。另一方面,考虑到金融资产间相依结构的复杂性,本文引入五类MRS Copula模型（MRS Normal Copula、MRS Clayton Copula、MRS Gumbel Copula、MRS SJC Copula、MRS T Copula）用于刻画股市间相依关系,并以对应的静态Copula模型和普通时变Copula模型对比其刻画效果。对于不同的市场,根据AIC值选择相应的Copula模型刻画其风险相依关系。而对于MRS Copula模型不能精确捕捉相依状态转换时点的局限性,本文采用BP断点检验的方法捕捉股市间相依状态转换的具体时点,并据此划分时间区间,分析各区间内相依性特征,并对不同区间内相依性的变动进行研究。通过实证分析,本文得出的结论是:第一,选用ARMA（1,1）-FIAPARCH（1,d,1）-Skewed t模型能够较好地刻画所研究的四个股指收益率序列具有的典型特征。第二,时变MRS Copula模型在对沪、深、港、伦股市相依性方面的刻画效果要优于静态Copula和普通时变Copula模型,这也反映了沪、深、港、伦股市间存在不同状态相依性的转换。第三,次贷危机均引发了沪港、深港股市间相依状态的转换,然而“沪港通”“深港通”的开通却并未使得沪港、深港相依性出现显着变化,认为其在短期内未达到预期效果。第四,相比沪港、深港、港伦股市,沪伦股市间相依程度较低,这不仅说明了中国内地股市尚未与国际股市完全接轨,来自国际成熟股市的信息传递对中国内地股市影响较小,也侧面反映了“沪伦通”开通的必要性。第五,QFII制度、亚洲金融危机、次贷危机及其引发的全球金融危机导致了相关市场产生结构断点,相依性显着增加。但“沪港通”“深港通”的开通并未引起结构断点的产生。最后,根据实证得到的结论,本文提出以下建议:第一,对于内地股市存在的杠杆效应,监管当局应当密切关注并防范利空消息对股市波动的影响,重点防范利空消息对沪市的影响,采取适当措施防范沪市极端风险波动,这将有助于降低内地股市的整体波动程度。第二,在金融危机全面爆发之前,基于MRS Copula模型的市场间相依关系会出现从低相依状态向高相依状态转换的过程,因此当MRS Copula模型中相依状态发生转换时,监管当局和投资者均应高度警惕。及时获悉股市间相依状态的变化,监管当局可以做好防范极端风险传染的措施;投资者则可以及时调整在相应股市的资产配置比例,从而优化投资组合、降低整体风险。第三,QFII制度、亚洲金融危机、次贷危机及其引发的全球金融危机导致相关市场产生结构断点,相依性显着增强。因此,当市场机制发生改变、金融危机爆发时,监管当局和投资者均应做好防范措施,以及时应对市场间联动性增强带来的风险。第四,“沪港通”“深港通”的开通并未在短期内明显提高沪港、深港股市间相依性,考虑是交易股票种类以及交易额度限制等原因导致。因此,可以在原有互联互通政策的基础上放松一部分限制,增加可交易股票的种类、加大可交易额度。此外,适当降低开户标准、提高股民对“沪港通”“深港通”的认知水平,互联互通的效果将更加明显。第五,相比内地股市,香港股市作为成熟的国际资本市场,其与伦敦股市间具有更强的相依性,这也侧面反映了一旦“沪伦通”开通,将在一定程度上促进沪市与国际资本市场的接轨。与此同时,随着内地市场与国际成熟资本市场互联互通程度的进一步加深,内地市场将更加容易受到来自国际资本市场的冲击和影响。因此,监管当局应当密切关注股市之间的风险溢出效应,建立危机识别、风险传染预警等防范措施,预防股市间风险传染的发生。
王亮[8]（2018）在《我国股市收益率长记忆性的区制转移分析》文中研究指明本文使用MS-ARFIMA模型对沪深两市收益率轨迹的动态特征进行了新的计量检验。结果显示:不仅均值和波动性存在着明显的结构非线性,而且沪深两市收益率的长记忆性也表现出显着的区制转换动态。沪市收益率在"熊市"区制下表现为具有均值回复能力的长记忆过程（d1=0.7732）,在"牛市"区制下表现为短记忆过程（d2=-0.1854）。而深市收益率在"熊市"区制下表现为短记忆过程（d1=-0.1575）,在"牛市"区制下表现为协方差平稳的长记忆过程（d2=0.2625）。这一新的研究结论意味着我国股市对信息冲击的反应模式和市场有效性也存在相应的区制转移变化。这要求有关部门在制定股市政策时,既要考虑均值和波动性的区制变化,又要兼顾长记忆性和市场有效性的区制变化。
夏霄松[9]（2017）在《基于HAR族模型的HS300指数高频波动率预测与检验》文中提出股票市场是我国经济发展的晴雨表,更是投资者最主要的资金输出渠道,不仅关乎着经济运行稳定性,还决定着企业的投融资效果,一直都是金融系统的核心领域,尤其是在我国投资渠道尚不完善的情况下,股票市场的合理运行对于维护金融市场秩序和刺激经济发展起着至关重要的作用。波动率是用来描述金融资产不确定性的重要参数,反映着股票市场的运行状况,准确预测波动率能够规避系统性风险和非系统性风险给投资者带来的损失,对于稳定股票市场,为政府管制措施的发挥提供先决条件。因此,选择准确的波动率模型已成为研究的必要条件。基于此,本文从国内外波动率的研究现状入手,梳理波动率的相关理论,结合目前广为采用的高频数据研究方法,分析并整理了最适用的HAR族模型相关理论及其检验模型SPA检验方法。以此为基础,考虑到沪深300的股市风向标作用,本文收集了沪深300指数5分钟的高频数据,以高频已实现波动建模的HAR族模型为研究对象,运用滚动时间窗的样本外预测和Bootstrap特性的SPA检验法,分别使用6种常用的损失函数为评价标准,全面相互对比了9种常用波动率模型对沪深300指数日内、周以及月已实现波动率的预测精度。研究结果表明:我国股市具有长记忆性,并且HAR-RV-CJ模型对短、中期波动率的样本外预测具有最高的精度,对数形式的HAR-RV-CJ模型对长期波动率的样本外预测具有最高的精度,对未来的长期波动率具有更好的解释能力。
王永莲[10]（2017）在《我国股票市场波动与经济政策不确定性的关联性研究》文中指出波动性是股票市场研究中一个恒久不变的经典主题,股票市场的适度波动有助于股票市场更好地发挥其融资和资源配置的作用,对股票市场的规范和健康发展有着积极的正面影响。然而,股票市场的过度波动不仅给市场本身造成巨大的冲击,使市场无序化,导致投机活动泛滥,同时也在一定程度上导致了金融系统的脆弱性,影响宏观经济的稳定发展。股票市场在发展过程中不可避免地要受到经济政策的影响,一方面经济政策不确定性会在一定程度上影响股票市场的预期和行为;另一方面股票市场的波动对宏观经济的波动溢出也会反过来影响经济政策不确定性。尤其是在国际金融危机发生之后,经济政策不确定性出现两个显着的变化:一是在全球金融危机导致的经济衰退期间,由于企业和个人对税收、支出、监管、医疗保健和货币政策的未来充满不确定性,经济政策不确定性水平迅速飙升;二是由于经济政策不确定,企业和个人会延迟其投资、雇佣、消费和支出,进而会减缓经济复苏的步伐。同样,由于我国宏观经济与股票市场间关系的多变性,股票市场的“晴雨表”功能总是失灵,其中“政策市”就是重要原因之一。政策市是指可以通过经济政策的干预来影响股票价格涨跌,常常会出现股票市场与宏观经济不同步,甚至是相背离的现象出现。因此,股票市场波动与经济政策不确定性关联性的研究受到越来越多的投资者和研究人员的关注。然而,研究我国股票市场波动与经济政策不确定性的关联性,不是为了消除股票市场波动,而是为了充分了解我国股票市场波动的主要特征和典型化事实,从股票市场波动的聚类性、非对称性、长记忆性和持续性等典型化事实分析我国股票市场的波动轨迹和运行规律,从而避免股票市场过度波动给宏观经济带来的冲击,发挥适度股票市场波动对宏观经济的正面影响。同时也探求经济政策不确定性对我国股票市场波动所产生的影响和贡献,这将有助于更好地解析股票市场的波动特征及其原因,让股票市场在合适的时间,以适宜的方式发挥其对宏观经济的“晴雨表”作用,为宏观经济政策的制定和实施提供具有建设性的参考。有鉴于此,论文在股票市场波动与经济政策不确定性波动日趋紧密的背景下,按照“问题的提出→事实的描述→模型的推演→模型的检验→模型的结果→结论与建议”这样的逻辑架构,采用混频数据模型对我国股票市场波动与经济政策不确定性的因果关系、股票市场长期波动和长期相关与经济政策不确定性的关联性进行了较为系统的研究。第一章在阐释股票市场波动和经济政策不确定性的相关概念和定义的基础上,引出论文的研究问题,阐述其研究意义。然后再分别对经济不确定性、政策不确定性和经济政策不确定性的研究现状和理论基础进行了综述,并重点对经济政策不确定性与股票市场波动的关联性的理论基础和研究现状进行了综述性总结和评价。最后给出了论文的研究方法和全文的研究框架。第二章具体分析了我国股票市场波动的典型化特征,为后文的研究做一个基础性总结和铺垫。这章在总结和分析了股票市场收益和波动的测度方法以后,采用garch类模型对我国股票市场中的波动聚类特征、非对称性特征和长记忆性特征的理论模型进行梳理与总结,并在我国股票市场波动特征的统计分析中,详细分析了我国股票市场中的波动聚类特征和非对称特征,并对四个garch类模型进行了比较分析。研究结果表明我国股票市场和其他股票市场一样同样存在波动聚类和非对称特征,且egarch模型的拟合优度和估计结果是四个模型中最优的。第三章采用garch模型及其扩展模型综合分析了我国股市波动的异方差、非对称性和长记忆性,并在此基础上,采用动态条件相关模型对我国沪深股市,以及我国与周边地区,我国与其他金砖国家股票市场间的动态关联性,籍此分析我国股票市场的波动特征,及其与其他国家和地区股票市场的动态关联性和一体化特征。arma-fiaparch模型的估计结果进一步证实了波动聚类、非对称和长记忆特征是我国股票市场的典型化特征,多个股票市场间的动态相关结果表明大中华区股票市场间的关联性非常高,且一体化程度较高,而金砖国家间的关联性和一体化程度则相对较低。从第四章开始,论文在混频数据模型的框架下分析我国股票市场波动与经济政策不确定性的关联性。其中,第四章是采用混频granger因果关系检验直接对我国经济政策不确定性与股票市场波动之间的granger因果关系进行比较实证研究,结果显示混频数据模型在检验“股票市场波动不是经济政策不确定的granger原因”这个原假设时具有比较优势。为了检验我国股票市场波动和经济政策不确定性间因果关系的稳健性,文章进一步采用固定和递归时窗的时变granger因果关系检验分析了两者间因果关系的时变特征,研究结果表明混频granger因果关系检验没有发现两者之间的granger因果关系,但是同频granger因果关系检验模型则在某些时间段检验出了双向granger因果关系。第五章将混频数据模型与GARCH模型结合起来,利用GARCH-MIDAS模型结合了经济政策不确定和波动模型测算了股票市场长期波动,并比较分析不同模型中经济政策不确定性对我国股票市场长期波动的贡献率,研究发现我国经济政策不确定性对股票市场波动的影响相对较弱,且经济政策不确定性的波动相比其水平值而言,对我国股票市场波动的影响更大且更显着。第六章是在第五章的基础上,将单变量的GARCH-MIDAS模型分析扩展到多变量的DCC-MIDAS模型来测度我国沪深股市长期相关,并进一步采用区制转移模型分析经济政策不确定性对我国沪深股市间长期相关影响的区制性和非对称性。研究结果表明我国沪深股票市场间的长期相关基本上保持在0.9以上,且具有非常强的持续性和稳定性。经济政策不确定性与我国沪深股市长期相关之间的关联性存在显着的区制性特征,即我国经济政策不确定性的上升会加大沪深股市间的长期动态相关。总而言之,我国股票市场波动和相关与经济政策不确定性之间的关联性是显着存在的,且总体表现为正向相关的,即经济政策不确定性的上升会在一定程度上加大我国股票市场的波动,并促使股市间的相关性提高。论文在第七章中对研究的基本结论和不足进行详细的总结。
二、沪深两市股票指数的长记忆性（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、沪深两市股票指数的长记忆性（论文提纲范文）
（1）深港通对我国股票市场波动性影响研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景、意义及目的 |
| 1.1.1 研究背景与意义 |
| 1.1.2 研究目的 |
| 1.2 研究内容与研究思路 |
| 1.3 研究创新与展望 |
| 1.3.1 研究创新 |
| 1.3.2 研究展望 |
| 第二章 文献综述 |
| 2.1 波动率模型研究综述 |
| 2.1.1 自回归条件异方差类模型 |
| 2.1.2 随机波动模型 |
| 2.1.3 已实现波动率研究现状 |
| 2.2 沪港通和深港通相关文献综述 |
| 2.2.1 对沪港通和深港通定性的研究 |
| 2.2.2 对沪港通和深港通定量的研究 |
| 2.3 综合评述 |
| 第三章 基本理论 |
| 3.1 股市波动理论 |
| 3.1.1 股票市场的波动特性 |
| 3.1.2 对外开放对资本市场波动性的影响 |
| 3.2 联动性研究的理论基础 |
| 3.2.1 股市联动性的内在机制 |
| 3.2.2 内地股市和香港股市联动性分析 |
| 第四章 深港通开通前后深市波动特征 |
| 4.1 SV模型的构建 |
| 4.1.1 分式布朗运动的定义及性质 |
| 4.1.2 SV模型的构建 |
| 4.2 模型的估计方法 |
| 4.3 数据和描述性统计 |
| 4.4 实证分析 |
| 4.4.1 Hurst指数分析 |
| 4.4.2 结果分析 |
| 4.5 模型诊断 |
| 4.6 本章小结 |
| 第五章 深港通背景下深市与港市波动溢出效应 |
| 5.1 股市间溢出效应模型 |
| 5.2 数据来源和检验 |
| 5.2.1 数据来源 |
| 5.2.2 单位根和格兰杰因果检验 |
| 5.3 实证分析 |
| 5.4 稳健性检验 |
| 5.5 本章小结 |
| 第六章 深港通对深市股价波动性的影响 |
| 6.1 影响机理与研究假设 |
| 6.2 研究设计 |
| 6.2.1 实证模型及变量定义 |
| 6.2.2 数据来源 |
| 6.3 实证结果 |
| 6.3.1 描述性统计 |
| 6.3.2 实证结果 |
| 6.4 进一步分析 |
| 6.4.1 深港通活跃成交股 |
| 6.4.2 盈余管理 |
| 6.4.3 噪音交易 |
| 6.4.4 公司治理 |
| 6.5 稳健性检验 |
| 6.5.1 境外投资者持股的影响 |
| 6.5.2 产权性质的影响 |
| 6.5.3 其他稳健性检验 |
| 6.6 本章小结 |
| 结论与建议 |
| 参考文献 |
| 附录 |
| 附录 A:估计随机波动率模型中参数的OpenBUGS程序 |
| 附录 B:估计GC-MSV模型中参数的OpenBUGS程序 |
| 附录 C:分式O-U过程随机波动率模型核密度仿真图 |
| 附录 D:GC-MSV模型核密度仿真图 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（2）中国股票市场的双重记忆性分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究内容与方法 |
| 1.2.1 研究内容 |
| 1.2.2 研究方法 |
| 1.3 论文结构 |
| 1.4 本文可能的创新与不足 |
| 2 国内外研究综述 |
| 2.1 有效市场和分形市场理论 |
| 2.1.1 有效市场假说 |
| 2.1.2 分形市场理论 |
| 2.2 长期记忆性及其研究回顾 |
| 2.2.1 长期记忆性定义 |
| 2.2.2 长期记忆的估计方法 |
| 2.3 结构突变及其研究回顾 |
| 2.4 股票市场研究现状及评述 |
| 2.4.1 中国股票市场研究现状及评述 |
| 2.4.2 国外股票市场研究现状及评述 |
| 2.5 本章小节 |
| 3 实证模型与方法 |
| 3.1 长记忆参数检验方法 |
| 3.1.1 非参数检验估计算法 |
| 3.1.2 半参数检验估计算法 |
| 3.1.3 参数检验估计算法 |
| 3.2 刻画长记忆性常见模型 |
| 3.2.1 分整自回归滑动平均模型 |
| 3.2.2 分整GARCH模型(FIGARCH) |
| 3.2.3 双记忆ARFIMA-FIGARCH模型 |
| 3.3 结构性突变模型 |
| 3.3.1 修正ICSS法 |
| 3.3.2 BP内生结构突变法 |
| 3.4 长记忆性真伪检验方法 |
| 3.5 本章小节 |
| 4 沪深股市长期记忆性的实证研究 |
| 4.1 样本选取与数据描述 |
| 4.1.1 数据的预处理 |
| 4.1.2 正态性检验 |
| 4.1.3 自相关性检验 |
| 4.1.4 平稳性检验 |
| 4.2 长记忆性检验 |
| 4.2.1 非参数R/S检验 |
| 4.2.2 非参数修正的R/S检验 |
| 4.2.3 半参数检验 |
| 4.2.4 基于ARFIMA模型参数估计检验 |
| 4.3 收益率和波动性的双长期记忆性 |
| 4.4 中国股票市场结构突变检验 |
| 4.4.1 基于修正ICSS法检验 |
| 4.4.2 基于多均值BP模型检验 |
| 4.5 中国股票市场“伪”长记忆性检验 |
| 4.6 本章小节 |
| 5 长记忆条件下沪深股市收益率及其波动率的关联性 |
| 5.1 FIVAR模型 |
| 5.1.1 FIVAR模型概述 |
| 5.2 FIVAR模型实证分析 |
| 5.2.1 平稳性检验 |
| 5.2.2 二元FIVAR模型参数估计 |
| 5.2.3 格兰杰因果检验 |
| 5.2.4 FIVAR模型的脉冲响应及方差分解 |
| 5.3 本章小节 |
| 6 结论与建议 |
| 6.1 研究结论 |
| 6.2 政策建议 |
| 参考文献 |
| 致谢 |
（3）基于沙堆模型对中国股市的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及研究意义 |
| 1.2 国内外文献综述 |
| 1.2.1 国外文献 |
| 1.2.2 国内文献 |
| 1.2.3 文献述评 |
| 1.3 本文主要研究内容 |
| 第2章 分形市场假说 |
| 2.1 有效市场假说 |
| 2.1.1 弱式有效市场 |
| 2.1.2 半强式有效市场 |
| 2.1.3 强式有效市场 |
| 2.2 有效市场的研究现状 |
| 2.2.1 中国有效市场的实证研究 |
| 2.2.2 有效市场假说的局限性 |
| 2.3 分形市场假说 |
| 2.4 有效和分形市场假说的比较分析 |
| 2.5 本章小结 |
| 第3章 基于R/S分析法的实证研究 |
| 3.1 概述 |
| 3.2 R/S分析步骤 |
| 3.3 长记忆性与Hurst指数 |
| 3.4 实证研究 |
| 3.4.1 上证指数的实证研究 |
| 3.4.2 深成指数的实证研究 |
| 3.5 实证总结 |
| 3.6 本章小结 |
| 第4章 自组织临界性 |
| 4.1 自组织理论 |
| 4.1.1 概述 |
| 4.1.2 特征 |
| 4.1.3 耗散结构 |
| 4.1.4 协同理论 |
| 4.1.5 突变论 |
| 4.2 自组织临界理论 |
| 4.2.1 概述 |
| 4.2.2 特征 |
| 4.2.3 示例 |
| 4.3 沙堆模型 |
| 4.3.1 概述 |
| 4.3.2 模型演示 |
| 4.3.3 特点 |
| 4.4 本章小结 |
| 第5章 基于沙堆模型的实证研究 |
| 5.1 股市的动力学机制 |
| 5.2 实证研究 |
| 5.2.1 上证指数的实证研究 |
| 5.2.2 深成综指的实证研究 |
| 5.2.3 研究结论 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（4）基于跳跃、共跳的波动率预测研究 ——来自高频金融数据的证据（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 选题意义 |
| 1.2 研究思路及框架 |
| 1.2.1 研究思路 |
| 1.2.2 研究框架 |
| 1.3 研究内容及结构安排 |
| 1.4 创新与不足 |
| 1.4.1 可能的创新点 |
| 1.4.2 存在的不足 |
| 2 国内外研究综述 |
| 2.1 高频数据的研究现状 |
| 2.1.1 收益和波动序列的统计性质研究 |
| 2.1.2 基于高频数据的计量模型研究 |
| 2.2 金融市场波动率的研究现状 |
| 2.2.1 低频模型研究概述 |
| 2.2.2 已实现波动率的度量研究 |
| 2.2.3 基于已实现波动率的建模研究 |
| 2.3 跳跃与共跳的研究进展 |
| 2.3.1 信息冲击与跳跃 |
| 2.3.2 基于已实现波动率的跳跃研究 |
| 2.3.3 基于已实现波动率的共跳研究 |
| 3 模型与度量方法 |
| 3.1 HAR模型的基本理论 |
| 3.1.1 异质市场假说 |
| 3.1.2 HAR基础模型 |
| 3.2 已实现波动率的度量形式 |
| 3.2.1 日内无加权已实现波动率(RVD) |
| 3.2.2 日内加权已实现波动率(WRVD) |
| 3.2.3 基于隔夜信息的扩展已实现波动率(RVH) |
| 3.2.4 基于隔夜信息的扩展加权已实现波动率(WRVH) |
| 3.3 跳跃与共跳的检验--非参数方法 |
| 3.3.1 BNS检验的理论分析 |
| 3.3.2 WS-BNS检验统计量 |
| 3.3.3 BTL方法 |
| 3.3.4 BW检验及共跳的检验准则 |
| 4 高频数据下波动率与跳跃的特征 |
| 4.1 波动的非对称性与隔夜信息 |
| 4.1.1 非对称性 |
| 4.1.2 隔夜信息的由来及度量 |
| 4.2 高频数据下波动率特征 |
| 4.2.1 样本数据及波动率基本特征分析 |
| 4.2.2 波动率估计比较 |
| 4.2.3 波动率的长记忆性特征 |
| 4.3 跳跃及其特征分析 |
| 4.3.1 正向跳跃与负向跳跃 |
| 4.3.2 隔夜跳跃与日内跳跃 |
| 4.3.3 系统性跳跃与异质跳跃 |
| 4.3.4 跳跃变差统计特征 |
| 5 跳跃对波动率的预测--基于HAR-RV-CJV模型 |
| 5.1 跳跃对波动率的非对称性预测与反转 |
| 5.1.1 跳跃对波动率预测的非对称性 |
| 5.1.2 跳跃对波动率预测的反转特征——以政策改革为界 |
| 5.1.3 跳跃对波动率预测的反转特征——以牛市和熊市为界 |
| 5.2 跳跃对波动率的预测能力分析:隔夜跳跃与系统跳跃 |
| 5.2.1 隔夜跳跃对波动率的预测分析 |
| 5.2.2 系统性跳跃对波动率的预测分析 |
| 5.3 符号跳跃及其对波动率的样本外预测 |
| 5.3.1 SPA检验 |
| 5.3.2 符号跳跃变差的设定 |
| 5.3.3 符号跳跃变差对波动率样本外预测的影响 |
| 6 共跳及其对波动率的预测--基于HAR-RV-JCOV模型 |
| 6.1 共跳的建模 |
| 6.1.1 共跳协变差(JCOV) |
| 6.1.2 共同跳跃的方向符号 |
| 6.1.3 隔夜共跳与日内共跳 |
| 6.1.4 系统性共跳 |
| 6.2 共跳的检验与统计特征 |
| 6.2.1 跳跃的检验方法 |
| 6.2.2 跳跃、共跳的统计特征 |
| 6.3 共跳对波动率的预测分析 |
| 6.3.1 共同跳跃的杠杆效应 |
| 6.3.2 隔夜共跳的影响 |
| 6.3.3 系统性共跳的影响 |
| 6.4 符号共跳的构造及其样本外预测能力的比较 |
| 6.4.1 符号共跳协变差的设定 |
| 6.4.2 符号共跳协变差对HAR-RV模型样本外预测能力的影响 |
| 7 结论及政策建议 |
| 7.1 主要研究结论 |
| 7.2 启示及建议 |
| 7.3 进一步研究的方向 |
| 攻读博士期间发表的科研成果 |
| 参考文献 |
| 后记 |
（5）时间序列长记忆性理论及实证研究 ——以中国沪深股市为例（论文提纲范文）
| 内容摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究思路、方法和结构 |
| 1.3 本文创新之处 |
| 第2章 文献综述及理论基础 |
| 2.1 长记忆性的定义 |
| 2.2 长记忆参数的估计和检验 |
| 2.2.1 非参数估计方法 |
| 2.2.2 参数估计方法 |
| 2.2.3 半参数估计方法 |
| 2.3 结构突变与时间序列长记忆性 |
| 2.3.1 结构突变与伪长记忆序列 |
| 2.3.2 方差结构突变的检验方法 |
| 2.3.3 考虑结构突变的长记忆模型 |
| 2.4 本章小结 |
| 第3章 A-PARCH模型长记忆性研究 |
| 3.1 A-PARCH模型的理论自相关函数 |
| 3.1.1 A-PARCH模型定义 |
| 3.1.2 A-PARCH(2,2)模型理论自相关函数 |
| 3.1.3 A-PARCH(p,q)模型理论自相关函数 |
| 3.1.4 理论自相关函数的统计倾 |
| 3.2 数值分析 |
| 3.2.1 理论自相关函数图类型 |
| 3.2.2 非对称参数的影响 |
| 3.2.3 幂参数的影响 |
| 3.3 实证分析 |
| 3.4 本章小结 |
| 第4章 伪长记忆性检验方法比较研究 |
| 4.1 伪长记忆检验相关方法 |
| 4.1.1 频域类检验方法 |
| 4.1.2 时域类检验方法 |
| 4.2 伪长记忆检验的有限样本性质研究 |
| 4.3 伪长记忆检验的统计功效研究 |
| 4.3.1 单个未知均值突变情况 |
| 4.3.2 多个未知均值突变情况 |
| 4.4 本章小结 |
| 第5章 我国股市波动长记忆性的实证研究 |
| 5.1 结构突变下我国股市波动的长记忆性分析 |
| 5.1.1 非参数结构突变点检验 |
| 5.1.2 基于结构突变的长记忆波动率模型 |
| 5.1.3 实证研究 |
| 5.1.4 结论 |
| 5.2 从长记忆性角度对我国股票市场有效性的检验 |
| 5.2.1 对市场有效性的检验 |
| 5.2.2 实证分析 |
| 5.2.3 结论 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 6.1 主要结论 |
| 6.2 未来研究展望 |
| 附录 |
| 附表1 图3.2中A-PARCH(2,1)模型参数 |
| 附表2 表3.3中A-PARCH(2,1)模型参数 |
| 附表3 上证指数ω-FIGARCH和ω-HYGARCH模型估计结果 |
| 附表4 深证成指ω-FIGARCH和ω-HYGARCH模型估计结果 |
| 附表5 上证指数ω α β -FIGARCH和ω α β-HYGARCH模型估计结果 |
| 附表6 深证成ω α β-FIGARCH和ω α β-HYGARCH模型估计结果 |
| 参考文献 |
| 后记 |
（6）基于长记忆视角的沪港股市联动效应研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.3 研究内容 |
| 1.4 研究步骤与技术路线 |
| 1.4.1 研究步骤 |
| 1.4.2 技术路线 |
| 1.5 解决的关键问题与创新点 |
| 1.5.1 解决的关键问题 |
| 1.5.2 创新点 |
| 1.6 本章小结 |
| 第二章 文献综述 |
| 2.1 沪港金融市场国内外研究现状及发展动态分析 |
| 2.1.1 国内相关研究 |
| 2.1.2 国外相关研究 |
| 2.2 股市溢出效应的相关研究 |
| 2.2.1 理论研究 |
| 2.2.2 实证研究 |
| 2.3 分形分析的相关研究 |
| 2.3.1 理论研究 |
| 2.3.2 实证研究 |
| 2.4 本章小结 |
| 第三章 研究模型与数据来源 |
| 3.1 分形方法-DMA |
| 3.2 残差服从t分布的长记忆VAR-(BEEK)MVGARCH模型 |
| 3.3 事件分析法 |
| 3.4 数据来源 |
| 3.5 本章小结 |
| 第四章 沪港股市的事件分析 |
| 4.1 沪港股市整体股指的事件分析 |
| 4.2 不同规模沪港股指的事件分析 |
| 4.3 不同行业沪港股指的事件分析 |
| 4.4 本章小结 |
| 第五章 沪通股与港通股的联动效应分析 |
| 5.1 长记忆VAR模型的构建可行性分析 |
| 5.2 消除汇率偏差后沪通股、港通股的均值溢出效应 |
| 5.3 消除汇率偏差后沪通股、港通股的波动溢出效应 |
| 5.4 本章小结 |
| 第六章 不同规模股指的沪港通联动效应分析 |
| 6.1 不同规模沪港通序列的长记忆分析 |
| 6.2 长记忆VAR建模 |
| 6.3 不同规模沪港股指的均值溢出效应 |
| 6.4 不同规模沪港股指的波动溢出效应 |
| 6.5 本章小结 |
| 第七章 不同行业股指的沪港通联动效应分析 |
| 7.1 不同行业沪港通序列的长记忆分析 |
| 7.2 长记忆VAR建模 |
| 7.3 不同行业沪港股指的均值溢出效应 |
| 7.4 不同行业沪港股指的波动溢出效应 |
| 7.5 本章小结 |
| 第八章 结论与建议 |
| 8.1 主要结论 |
| 8.2 政策建议 |
| 8.3 不足与展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（7）内地、香港及伦敦股市风险相依关系变动研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景、目的及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的 |
| 1.1.3 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 金融资产相依性研究 |
| 1.2.2 相依结构断点检验研究 |
| 1.2.3 国内外研究述评 |
| 1.3 研究内容及论文结构安排 |
| 1.3.1 研究内容 |
| 1.3.2 论文结构安排 |
| 1.4 论文主要创新点 |
| 第2章 相关理论和实验方案 |
| 2.1 金融时间序列数据建模方法 |
| 2.1.1 有偏t分布 |
| 2.1.2 ARMA模型 |
| 2.1.3 GARCH族模型 |
| 2.2 EVT极值理论 |
| 2.2.1 POT模型 |
| 2.2.2 核平滑模型 |
| 2.3 Copula理论 |
| 2.3.1 常用的Copula函数及其相依性度量 |
| 2.3.2 MRS Copula函数 |
| 2.4 间断点检验 |
| 2.4.1 全局最大化检验 |
| 2.4.2 序贯确定检验 |
| 2.4.3 全局最大化与序贯确定结合检验 |
| 2.5 实验方案设计 |
| 2.5.1 构建ARMA(1,1)-FIAPARCH(1,d,1)-Skewed t模型 |
| 2.5.2 构建边缘分布 |
| 2.5.3 构建Copula模型 |
| 2.5.4 BP结构断点检验 |
| 2.6 本章小结 |
| 第3章 实证结果与分析 |
| 3.1 样本数据的选取 |
| 3.2 描述性统计 |
| 3.3 构建边缘分布 |
| 3.4 股市间动态相依关系分析 |
| 3.5 相依结构断点及风险相依变动分析 |
| 3.6 稳健性检验 |
| 3.7 本章小结 |
| 第4章 政策建议 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
（9）基于HAR族模型的HS300指数高频波动率预测与检验（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究目的和内容 |
| 1.2.1 研究目的 |
| 1.2.2 研究内容 |
| 1.3 研究思路和方法 |
| 1.3.1 研究思路 |
| 1.3.2 研究方法 |
| 1.4 本文创新点 |
| 第二章 国内外研究现状 |
| 2.1 国内外金融高频数据研究现状 |
| 2.2 国外波动率研究现状 |
| 2.3 国内波动率研究现状 |
| 2.4 国内外关于跳跃的研究现状 |
| 2.5 文献综述小结 |
| 第三章 理论基础及特征分析 |
| 3.1 已实现波动率理论基础 |
| 3.1.1 已实现波动率的计算 |
| 3.1.2 已实现波动率的最优抽样频率 |
| 3.2 HAR族模型的理论基础 |
| 3.3 已实现波动率特征分析 |
| 3.3.1 股票市场中的长记忆特征 |
| 3.3.2 高频数据介绍 |
| 3.3.3 市场微观结构理论 |
| 第四章 理论模型构建及预测检验 |
| 4.1 波动率预测方法 |
| 4.2 波动率预测主要模型—HAR族模型 |
| 4.2.1 HAR-RV理论基础及其参数估计 |
| 4.2.2 HAR-RV-J模型 |
| 4.2.3 HAR-RV-CJ模型 |
| 4.2.4 波动率拓展模型 |
| 4.3 SPA检验方法 |
| 第五章 沪深300指数股票市场实证研究 |
| 5.1 沪深300 指数已实现波动率描述性统计 |
| 5.2 沪深300 指数已实现波动率长记忆性的实证研究 |
| 5.3 基于HAR-RV模型对沪深300 指数异质性研究 |
| 5.3.1 HAR-RV模型回归分析 |
| 5.3.2 回归残差项分析 |
| 5.4 各个时期的SPA检验结果 |
| 5.4.1 日内(短期)已实现波动率SPA检验结果 |
| 5.4.2 周内(中期)已实现波动率SPA检验结果 |
| 5.4.3 月内(长期)已实现波动率SPA检验结果 |
| 第六章 结论 |
| 参考文献 |
| 攻读学位期间所取得的相关科研成果 |
| 致谢 |
（10）我国股票市场波动与经济政策不确定性的关联性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 选题意义 |
| 1.3 国内外研究现状 |
| 1.3.1 我国股票市场波动的国内外研究现状 |
| 1.3.2 经济政策不确定性的国内外研究现状 |
| 1.3.3 股市波动与经济政策不确定性关联机制的研究现状 |
| 1.4 论文的研究方法与结构安排 |
| 1.4.1 论文的研究方法 |
| 1.4.2 论文的结构安排 |
| 第2章 我国股票市场波动的典型化特征 |
| 2.1 我国股票市场收益和波动的测度 |
| 2.1.1 我国股票市场收益率的测度 |
| 2.1.2 我国股票市场波动率的测度 |
| 2.2 股票市场波动典型化特征的理论模型 |
| 2.2.1 股票市场波动聚类特征的理论模型 |
| 2.2.2 股票市场波动非对称性特征的理论模型 |
| 2.2.3 股票市场波动长记忆性特征的理论模型 |
| 2.3 我国股票市场波动特征的统计分析和检验 |
| 2.3.1 样本选取与数据描述 |
| 2.3.2 我国股票市场波动的GARCH类模型的检验与分析 |
| 2.4 本章结论及政策启示 |
| 第3章 我国股票市场的波动性和相关性的计量分析 |
| 3.1 我国股票市场波动和相关的综述 |
| 3.2 我国股票市场波动和条件相关的计量模型 |
| 3.2.1 条件均值模型 |
| 3.2.2 条件波动模型 |
| 3.2.3 动态条件相关模型 |
| 3.3 我国股票市场条件波动与动态相关性的实证分析 |
| 3.3.1 样本选取与数据描述 |
| 3.3.2 我国沪深股市条件波动和动态相关的实证 |
| 3.3.3 我国股市与其他国家和地区股市的动态条件相关和一体化 |
| 3.4 本章结语与政策启示 |
| 第4章 股票市场波动与经济政策不确定性的混频因果关系检验 |
| 4.1 我国股票市场与经济政策不确定性因果关系研究综述 |
| 4.2 混频Granger因果关系检验 |
| 4.2.1 传统Granger因果关系检验 |
| 4.2.2 混频Granger因果关系检验 |
| 4.3 我国股票市场与经济政策不确定性的混频因果关系实证检验 |
| 4.3.1 数据来源与描述统计分析 |
| 4.3.2 混频和同频Granger因果关系检验 |
| 4.3.3 时变混频和同频Granger因果关系检验 |
| 4.4 本章结语与政策启示 |
| 第5章 股票市场长期波动与经济政策不确定性的关联性 |
| 5.1 引言和文献综述 |
| 5.2 GARCH-MIDAS模型及其估计方法 |
| 5.3 股票市场长期波动与经济政策不确定性关联性的实证研究 |
| 5.3.1 样本选取与数据描述 |
| 5.3.2 我国股票市场长期波动的分解和测度 |
| 5.3.3 基于经济政策不确定指数的GARCH-MIDAS-X模型的估计 |
| 5.3.4 我国经济政策不确定性对股市预期波动的贡献率分析 |
| 5.4 本章结论与政策启示 |
| 第6章 沪深股市长期相关与经济政策不确定性的关联性 |
| 6.1 股市间关联性的理论模型 |
| 6.1.1 股市间收益率的误差修正模型 |
| 6.1.2 股票市场间波动的关联性模型 |
| 6.2 股市长期波动和长期相关模型简介 |
| 6.2.1 测度股市长期波动的GARCH-MIDAS模型 |
| 6.2.2 测度股市间长期相关的DCC-MIDAS模型 |
| 6.3 沪深股市间长期相关与经济政策不确定关联性的实证研究 |
| 6.3.1 DCC-MIDAS模型的实证分析 |
| 6.3.2 经济政策不确定性与沪深股市间长期相关的区制关联性分析 |
| 6.3.3 经济政策不确定下宏观经济对沪深股市间长期相关的非对称影响 |
| 6.4 本章结语与政策启示 |
| 第7章 总结与展望 |
| 7.1 研究总结 |
| 7.2 研究不足与展望 |
| 参考文献 |
| 攻读学位期间发表的学术论文及参与的科研项目 |
| 后记 |
四、沪深两市股票指数的长记忆性（论文参考文献）
- [1]深港通对我国股票市场波动性影响研究[D]. 毛小丽. 华南理工大学, 2020(02)
- [2]中国股票市场的双重记忆性分析[D]. 李振宇. 湖南师范大学, 2020(01)
- [3]基于沙堆模型对中国股市的研究[D]. 姬昊辰. 哈尔滨工业大学, 2020(02)
- [4]基于跳跃、共跳的波动率预测研究 ——来自高频金融数据的证据[D]. 邓俐伶. 东北财经大学, 2019(06)
- [5]时间序列长记忆性理论及实证研究 ——以中国沪深股市为例[D]. 张家樾. 天津财经大学, 2019(07)
- [6]基于长记忆视角的沪港股市联动效应研究[D]. 蒋敏. 南京信息工程大学, 2019(04)
- [7]内地、香港及伦敦股市风险相依关系变动研究[D]. 陈思柳. 成都理工大学, 2019(02)
- [8]我国股市收益率长记忆性的区制转移分析[J]. 王亮. 技术经济与管理研究, 2018(10)
- [9]基于HAR族模型的HS300指数高频波动率预测与检验[D]. 夏霄松. 河北工业大学, 2017(01)
- [10]我国股票市场波动与经济政策不确定性的关联性研究[D]. 王永莲. 吉林大学, 2017(09)