导读:本文包含了波动长记忆性论文开题报告文献综述及选题提纲参考文献，主要关键词:碳排放权价格,GARCH模型,EGARCH模型,杠杆效应
波动长记忆性论文文献综述
吕靖烨,王腾飞[1]（2019）在《我国碳排放权市场价格波动的长期记忆性和杠杆效应研究——以湖北碳排放权交易中心为例》一文中研究指出采用EGARCH模型,以湖北碳排放权交易中心碳价格收益率为对象,研究碳价格的波动特征。研究发现,碳价格波动存在长期记忆性,且存在明显的杠杆效应,利空消息对市场的冲击更为强烈。通过对比全国碳市场建设前的碳价波动情况,发现全国碳市场建设在一定程度上降低了碳市场的杠杆效应,在此基础上,提出从市场监管、碳价调控、信息披露等方面完善我国碳市场建设、降低价格波动、促进节能减排的建议。(本文来源于《价格月刊》期刊2019年10期）
王莹,雷鸣,周洋[2]（2019）在《上证50ETF股指期货收益率及波动性长记忆性研究》一文中研究指出文章采用KPSS-ADF联合检验、R/S分析以及修正的R/S分析检验上证50ETF股指期货收益率及波动性的长记忆性,对存在长记忆性的变量序列构建FIGARCH模型及FIEGARCH模型,并对两个模型的拟合优度的进行比较分析。结果显示,波动率序列呈现出明显的长记忆性,而收益率序列不具备长记忆性。对于具有杠杆效应的波动率序列,FIEGARCH模型拟合效果要比FIGARCH模型更好。(本文来源于《中国市场》期刊2019年14期）
王天一,刘浩,黄卓[3]（2018）在《基于混频数据抽样的已实现波动率长记忆模型》一文中研究指出基于已实现GARCH模型和混频数据抽样(MIDAS)结构,提出了已实现混频数据抽样GARCH模型.该模型使用混频数据抽样结构从已实现测度中提取长短期波动率信息以提升模型对波动率的拟合和预测能力.基于指数和个股数据的实证分析表明,相比传统的已实现GARCH模型,新模型的样本内拟合能力更强,对长记忆性的捕捉更好.样本外结果表明,新模型显着提升了波动率的多步预测效果,并且改进效果随着预测期的延长而增强.(本文来源于《系统工程学报》期刊2018年06期）
刘赛可,何晓群[4]（2018）在《基于长记忆模型的期货与现货波动率关系分析》一文中研究指出基于SEMIFAR模型分析了沪深300指数和沪深300股指期货对数日波动率序列的长记忆性,发现股指期货波动率序列的长记忆性弱于指数波动率序列.另外,通过对比分析两波动率序列的确定趋势可知:现货市场与期货市场的波动率的变化趋势基本一致,二者处于一种长期的均衡关系,但又存在一定的差异;期货市场对于稳定现货市场的波动具有一定的作用,尤其表现在股价大幅度下跌时.(本文来源于《数学的实践与认识》期刊2018年20期）
王娟,李锐[5]（2019）在《中国股市的时变波动性——基于长记忆性、杠杆效应视角》一文中研究指出为了更准确地描述中国股市的周期波动,以上证综指和深证成指2001年1月12日到2016年12月23日的数据为样本,基于长记忆性和杠杆效应视角,运用MRS-APGARCH模型经验分析了中国股票市场的波动性。研究发现:沪深股市存在显着的叁种波动状态,处于盘整状态的概率最大,平均持续时间最长;收益波动具有明显的时变长记忆性和非对称效应。所用估计方法显着提高了参数估计的精度和模型的拟合优度,所得结论为投资者构建有效的风险防范体系及投资决策提供了参考依据。(本文来源于《北京航空航天大学学报(社会科学版)》期刊2019年03期）
丁宇,陈熙哲[6]（2018）在《A股波动率长记忆模型的探索研究》一文中研究指出本文以A股波动率长记忆模型为研究对象,先介绍了长记忆模型的基本技术内容,再结合A股波动率变化,对其记忆模型的构建策略做进一步分析。从本次研究结果可知,长记忆模型有助于相关人员深入了解A股波动率,能够有效地描述金融事件的时间特征,因此应该得到相关人员的重视。(本文来源于《中国商论》期刊2018年02期）
李艳,吴亮[7]（2016）在《沪深300股指期货极差波动率的分布特征和长记忆性分析——基于频域的检验方法》一文中研究指出当前对于沪深300股指期货的研究多集中于期货市场的价格发现功能,对于极差波动率方面还未涉及。以沪深300股指期货近5年的日数据为样本,分析沪深300股指期货极差波动率的相应统计特征。采用极差波动率建模方法,对沪深300股指期货的波动率进行建模,分析其分布性质。基于频域的检验方法,检验期货极差波动率是否为真实长记忆过程,利用GPH和局部Whittle方法对极差波动率的记忆参数进行估计。结果发现,对数极差波动率的偏度和峰度为自相关系数呈缓慢衰减,显示出长记忆性,期货极差波动率为真实长记忆过程,且参数值接近于典型值0.4,以此为依据进行波动率预测工作。(本文来源于《渭南师范学院学报》期刊2016年19期）
张跃胜[8]（2016）在《突发事件对国际石油期货价格波动的时间记忆性分析——基于PPM模型和Hurst指数分析》一文中研究指出以国际原油期货价格波动日度数据为样本,通过PPM突变点识别模型,从高频时间序列中出现的众多"跳跃点"中甄别出能够改变时间序列波动趋势的突变点,对相邻两突变点之间样本进行Hurst指数分析,研究突发事件对国际原油期货价格波动的时间记忆性。研究表明,时间序列数据中存在多个"跳跃点",大多数跳跃点并未改变数据波动趋势,少数突变点不但改变数据波动趋势,国际原油期货价格波动受突发事件的影响改变其原有的运动轨迹。此项研究为后续学者提供了一种研究"事件冲击"和"数据时间记忆"的新方法。(本文来源于《统计与信息论坛》期刊2016年08期）
王建,何娟[9]（2016）在《大宗商品现货价格波动过程的长记忆特征真伪检验——来自供应链金融业务的实证》一文中研究指出不同于传统金融业务,供应链金融业务风险控制的核心在于现货资产多期波动率的预测,而长记忆特征作为一项典型事实,恰能显着改善现货资产多期波动率的预测。为了有效鉴别现货资产价格波动过程长记忆特征的真伪,避免结构突变对波动率建模产生的干扰,本文首先引入两步精准局部Whittle估计和修正的ICSS(k_2)对资产波动过程的长记忆特征和结构突变进行估计,然后进一步运用新颖有效的样本分割检验法和d阶差分平稳性检验法对现货资产价格波动过程的长记忆特征的真伪进行检验。以长江现货铜、铝、黄埔燃料油以及螺纹钢四种现货资产为样本的实证研究表明,上述方法可以有效鉴别现货资产价格波动过程的长记忆特征和结构突变特征,这为后续条件波动率模型的择选和进一步预测提供了依据。(本文来源于《商业研究》期刊2016年07期）
樊晓倩[10]（2016）在《投资者异常关注的长记忆性及其与成交量和波动率的交叉相关性研究》一文中研究指出投资者关注是行为金融学的重要组成部分。正常情况下,投资者关注应该在一个合理的范围内波动,当金融市场发生较大变化时,就会引起投资者的异常关注,投资者关注的大幅上升可能导致成交量和波动率的剧烈变化,给投资者带来超额收益或巨额损失,因此准确把握投资者异常关注以及其与成交量和波动率的关系具有重大意义。本文以2011年1月4日至2015年11月20日的上证50指数的成分股为研究对象,选取百度指数作为投资者异常关注的直接代理变量,采用金融复杂性方法进行研究。第一,运用降趋势波动分析(DFA)法对投资者异常关注进行检验,研究表明其具有长记忆性。第二,采用降趋势交叉相关性分析(DCCA)法和DCCA系数法对成交量和波动率与投资者异常关注交叉相关性进行研究,表明成交量和波动率均与投资者异常关注存在正向相关关系,且成交量与投资者异常关注的交叉相关性水平更高。第叁,利用基于时间延迟的DCCA方法对投资者异常关注与成交量和波动率交叉相关性的传导方向进行探究,发现传导方向是双向的,且随滞后期增加,交叉相关性传导作用逐渐减弱。第四,对不同市场态势下投资者异常关注的长记忆性及其与成交量和波动率的交叉相关性进行检验,结果显示牛市状态下投资者异常关注的长程相关性及其与成交量和波动率之间的交叉相关性强于震荡市。最后,采用滑动时间窗方法再次对投资者异常关注的长记忆性及其与成交量和波动率的交叉相关性进行检验,发现本文结论具有有效性和稳健性。上述研究结果不仅对于风险控制有着重要的现实意义,也为金融监管提供了有益的参考。(本文来源于《东北大学》期刊2016-06-17）
波动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：
文章采用KPSS-ADF联合检验、R/S分析以及修正的R/S分析检验上证50ETF股指期货收益率及波动性的长记忆性,对存在长记忆性的变量序列构建FIGARCH模型及FIEGARCH模型,并对两个模型的拟合优度的进行比较分析。结果显示,波动率序列呈现出明显的长记忆性,而收益率序列不具备长记忆性。对于具有杠杆效应的波动率序列,FIEGARCH模型拟合效果要比FIGARCH模型更好。
（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。
波动长记忆性论文参考文献
[1].吕靖烨,王腾飞.我国碳排放权市场价格波动的长期记忆性和杠杆效应研究——以湖北碳排放权交易中心为例[J].价格月刊.2019
[2].王莹,雷鸣,周洋.上证50ETF股指期货收益率及波动性长记忆性研究[J].中国市场.2019
[3].王天一,刘浩,黄卓.基于混频数据抽样的已实现波动率长记忆模型[J].系统工程学报.2018
[4].刘赛可,何晓群.基于长记忆模型的期货与现货波动率关系分析[J].数学的实践与认识.2018
[5].王娟,李锐.中国股市的时变波动性——基于长记忆性、杠杆效应视角[J].北京航空航天大学学报(社会科学版).2019
[6].丁宇,陈熙哲.A股波动率长记忆模型的探索研究[J].中国商论.2018
[7].李艳,吴亮.沪深300股指期货极差波动率的分布特征和长记忆性分析——基于频域的检验方法[J].渭南师范学院学报.2016
[8].张跃胜.突发事件对国际石油期货价格波动的时间记忆性分析——基于PPM模型和Hurst指数分析[J].统计与信息论坛.2016
[9].王建,何娟.大宗商品现货价格波动过程的长记忆特征真伪检验——来自供应链金融业务的实证[J].商业研究.2016
[10].樊晓倩.投资者异常关注的长记忆性及其与成交量和波动率的交叉相关性研究[D].东北大学.2016