基于acd-uhf-garch模型的中国股票市场波动性研究

《基于acd-uhf-garch模型的中国股票市场波动性研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据分类号UDC密级学位论文基于ACD-UHF-GARCH模型的中国股票市场波动性研究作者姓名：指导教师：申请学位级别：学科专业名称：论文提交日期：学位授予日期：评阅人：郑悦高莹教授东北大学工商管理学院硕士学科类别：经济学金融学2013年6月论文答辩日期：2013年6月2013年7月答辩委员会主席：庄新田教授金秀教授姜硕教授东北大学2013年6月万方数据AThesisinFinanceAnalysisofChina’SStockMarketVolatilityBasedonACD．．UHF．．GARCHModelByZhengYueSupervisor：ProfessorGaoY

2、ingNortheasternUniversityJune2013万方数据独创性声明本人声明，所呈交的学位论文是在导师的指导下完成的。论文中取得的研究成果除加以标注和致谢的地方外，不包含其他人己经发表或撰写过的研究成果，也不包括本人为获得其他学位而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。学位论文作者签名：土f寸移日期：玉卅弓，／．Ⅷ学位论文版权使用授权书本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论文的规定：即学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人同意东北大学可以将学位论文

3、的全部或部分内容编入有关数据库进行检索、交流。作者和导师同意网上交流韵时间为作者获得学位后：半年口一年口一年半口两年∥学位论文作者签名：蜘叶0签字日期：≯卅、．6．狮万方数据东北大学硕士学位论文摘要基于ACD—UHF—GARCH模型的中国股票市场波动性研究摘要在市场经济的条件下，中国股票市场越发成熟。目前，股票市场的波动性研究一直是金融研究的热点。目前，很多学者对股市量价关系进行了研究，但是很少引入时间因素，因此本文将交易量和时间因素同时纳入研究的模型中，解释持续期和交易量在价格波动中所起的作用。应用高频数据研究股市波动性实质上是应用交易时间间隔来测定波动性。高频时间序列包含市场微观

4、结构的信息及重要的长期日间现象的信息。本文在以往研究的基础上，采集沪深两市逐笔交易和等间隔交易的数据，选用研究高频数据的ACD模型和在应用低频数据测度股市波动性表现较好的GARCH模型，应用ACD模型计算出交易持续期均值，再应用所得参数构建处理超高频数据的GARCH模型，即UHF．GARCH模型。在建立UHF．GARCH模型时，本文不仅考虑到交易的持续期，同时还考虑到交易量对股市收益率和波动性的影响。本文分别选取了个股数据和指数数据进行实证研究。个股数据选取浦发银行和平安银行2012年11．12月逐笔交易的超高频数据，指数数据选取上证综指和深证成指2011年和2012年两年的每分钟高

5、频数据。实证研究表明：中国股票市场的交易持续期和收益率的波动性具有聚类性的特征；交易持续期对股市波动率有影响，持续期越大，波动率越大；同时可以得出交易量对波动率的影响更显著，交易量越大，波动率越大。说明ACD—UHF—GARCH模型可以很好的反映高频收益波动聚类性的本质，持续期和交易量对价格波动有动态影响。关键词：股票市场；高频数据；波动性；ACD．UHF．GARCH模型II万方数据东北大学硕士学位论文AbstractAnalysisofChina’SStockMarketVolatilityBasedonACD．UHF．GARCHModelAbstractUnderthecondi

6、tionofmarketeconomy，Chinesestockmarketaremorematurethanbefore．Atpresent，thevolatilityofthestockmarketresearchhasalwaysbeenthehotspotofthefinancialresearch．Currently,manyscholarsstudyonthepriceandvolumeofthestockmarket，butrarelyintroducethetimefactor．Thisarticlewillbothputthetransactionvolumeand

7、timefactorsinthemodel，explainstherolethatdurationandtradingvolumeplayinthepricevolatility．Usingthehigh·frequencydatatostudyChina’Sstockmarketvolatilityisessentiallytheapplicationtransactiontimeintervaltodeterminethevolatility．High