股指期货中的高频数据分析

《股指期货中的高频数据分析》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、股指期货中的高频数据分析中国科学技术大学硕士学位论文股指期货中的高频数据分析姓名：刘念良申请学位级别：硕士专业：概率论与数理统计指导教师：@2011-04-01摘要摘要随着金融改革的深化及市场竞争的加剧，传统的基本面加技术面的投资分析方法受到了来自新方法的挑战。特别是在高频数据的分析与建模方面，传统的建模方法无法适应高频数据的高峰度、长相依等特征，在分析上存在困难。另一方面，高频数据中包含的微观金融结构，又对理解市场运作方式和机理至关重要。本文基于随机金融间期分析框架，使用密度预估的方法，比较了几种常见的金融间期模型，并使用沪深300股指期货的高频数据

2、进行了实证分析。分析结果表明，在合适的基础分布上，简单直接的ACD即LOG-ACD模型就能得到较好的拟合结果。除此之外，在数据分析和模型验证的过程中，股指期货市场的微观金融结构也显现在我们面前。事实证明，基于随机间期模型的高频数据框架对我国的股指期货市场的分析是有效的，而这一特殊的市场，和以往的单边的，相对低流动性的其它金融市场也存在着很大的不同。关键词：高频数据密度预估ACD模型股指期货IAbstractABSTRACTTheinstantdevelopmentandintensecompetitionoffinancialmarkethaschan

3、gedthetraditionalinvestmentmethodoffundamentalandtechnicalanalysis.Moreandmoreoftenwefacethechallengesfromnewmethodanddata.Especiallyinthefieldofhighfrequencydataanalysis,traditionalmodelingmethodcanhardlyfitthecharacteristicofhighfrequencydata.Ontheotherhand,microfinancialstruc

4、turalinthesedataisbelievedtobethekeytoexplainthemechanismofmarketoperation.InthispaperwestateandcompareseveralautoregressionconditionaldurationprocessusingtheDGTdensityforecastevaluationmethodonthemarketdatafromHS300stockindexfutures.Theanalysisrevealsthatthestraightforwardmodel

5、ssuchasACDandlog-ACDcanfitthedataquietwellwithaproperinnovationdistribution.Andfromthesemodels,wecananalysethemarketfromadifferentway.KeyWords:highfrequencydataanalysis,DGTdensityevaluation,ACDmodel,stockindexfuturesIII中国科学技术大学学位论文原创性声明本人声明所呈交的学位论文,是本人在导师指导下进行研究工作所取得的成果。除已特别加以标注

6、和致谢的地方外，论文中不包含任何他人已经发表或撰写过的研究成果。与我一同工作的同志对本研究所做的贡献均已在论文中作了明确的说明。作者签名：___________签字日期：_______________中国科学技术大学学位论文授权使用声明作为申请学位的条件之一，学位论文著作权拥有者授权中国科学技术大学拥有学位论文的部分使用权，即：学校有权按有关规定向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅，可以将学位论文编入《中国学位论文全文数据库》等有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。本人提交的电子文档的内

7、容和纸质论文的内容相一致。保密的学位论文在解密后也遵守此规定。□公开□保密（____年）作者签名：_______________导师签名：_______________签字日期：_______________签字日期：_______________第1章绪论第1章绪论1.1引言长期以来，金融市场与统计科学的发展互相渗透，互相促进：统计科学为金融市场的精细分析、提供了理论和实践基础，使其可以不断推陈出新，开发出新的产品和市场策略；而金融市场的发展又不断向统计学提出新的研究课题。其中一个关键的方向就是金融时间序列的建模，以及相应的参数估计和预估问题。ARC

8、H，GARCH等优秀的模型被用来对频度为月、日、小时、分钟的金融事件序列进行建模。围绕着这些模