导读:本文包含了日内高频数据论文开题报告文献综述及选题提纲参考文献，主要关键词:机器学习,XGBoost,日内回转交易,现货组合
日内高频数据论文文献综述
陈建勋[1]（2019）在《基于高频数据的中国股市日内回转交易研究》一文中研究指出由于我国A股市场实行“T+1”交易制度,在实际投资中,中长线交易更受投资者们的喜爱,对于超短线日内回转交易的认识程度不高,更缺乏对此的研究。然而随着我国各种金融衍生工具的出现,我国股票市场走上了高速发展的道路,更是因此形成了多种多样的交易策略。本文研究了通过沪深300成分股建立现货组合进行对冲并在股票现货市场上进行日内回转交易的策略,以期在股票市场上取得低风险的稳定收益。本文分为构建现货组合和日内回转交易两部分进行研究。第一部分通过跟踪沪深300指数构建股票现货组合。首先根据不同的现货构建方法进行研究,并从中选取了部分优化复制的方法来构建现货组合。利用主成分分析和K-Means算法对沪深300成分股进行聚类分析得到10类、20类、30类、40类、50类股票,并从每一类股票中选取平均振幅最大的成分股利用遗传算法计算其跟踪沪深300指数的最优权重。然后比较分析了“聚类+优化权重”、“聚类+等权重”、“市值排列+优化权重”、“市值排列+等权重”的跟踪误差,确定了“聚类+优化权重”的跟踪效果最好。最后利用沪深300股指期货进行对冲以帮助后续的日内回转交易规避系统性风险。第二部分研究通过预配置相应股票建立底仓实现日内回转交易的方法。日内回转交易依据A股市场上的高频数据进行低买高卖,主要利用股票5分钟数据构成的技术面指标,如:MACD、KDJ、BOLL、RSI等,并首次使用较为新颖的XGBoost提升算法对离散化后的技术指标进行分析。之后根据XGBoost模型的预测结果建立日内回转交易系统进行回测,得到了稳定且低风险的年化收益率结果,并对回测结果进行分析,得出日内回转交易在股票市场处于震荡期间收益率更好的结论。综上,在我国股市现行的“T+1”交易制度下,可以通过预配置股票底仓的方式进行日内回转交易,在股市震荡的情况下依然保持资产稳步提升,获取低风险收益。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
孙欣欣[2]（2018）在《沪深300股指期货和现货市场关系研究——基于沪深日内高频数据的视角》一文中研究指出该文使用2016年12月16日至2017年6月29日间沪深300股指期货和现货5分钟高频交易数据,通过构造非参数波动和跳跃指标,研究沪深300股指期货和沪深300指数已实现波动、连续性波动、已实现跳跃和已实现相关性之间的关系。实证结果表明,沪深300股指期货和标的现货均进行自发调整以实现两者间的长期均衡关系,样本期内两市的各波动和跳跃指标间未呈现出格兰杰因果关系。相对于现货市场,沪深300股指期货波动性更强,且对现货市场有引导作用。期现货市场间存在较强的联动关系,且该联动(相关性)波动程度较高。(本文来源于《上海经济研究》期刊2018年05期）
刘国锋[3]（2017）在《中国股市磁吸效应实证研究》一文中研究指出中国股票市场自1996年开始引进涨跌幅限制制度,但对其评价褒贬不一,特别是2015年6月份股灾中的“千股停牌”、“千股涨停”、“千股跌停”,让学术界对涨跌幅限制制度在实际中的作用产生了较大的分歧。为了抑制投资者可能产生的“羊群效应”,避免追涨杀跌,降低股票市场的波动,我国证券市场自2016年1月1日起开始实行熔断机制,熔断机制的加入对证券市场的影响如何,两种制度是否有必要并行都是文章研究目的所在。本文对中国股市的磁吸效应进行了比较深入的探究。首先,从磁吸效应、涨跌停板制度、熔断机制的影响等方面进行了文献梳理和总结,为后续的研究提供了理论基础和相关的研究思路。其次,将样本区间划分为正常阶段、牛市阶段和股灾阶段,分别收集沪深300指数和创业板指数在叁阶段的日内5分钟高频数据,对数据进行相关性和平稳性检验,并根据数据的特性将引入了虚拟变量的AR-GARCH模型确定为主要分析模型。随后,对我国股市的磁吸效应进行了实证分析,验证沪深300指数和创业板指数在正常阶段、牛市阶段和股灾阶段不同磁吸门槛上的磁吸效应,其中,股灾阶段的磁吸效应又细分为包含熔断机制阶段和不包含熔断机制阶段,并对两阶段磁吸效应的强弱进行了对比。研究结果表明,沪深300指数和创业板指数在涨跌幅方面的磁吸效应总体趋势相同。随着磁吸门槛的增加,两指数磁吸效应先增强再减弱,最后达到最强;在相同磁吸门槛上,牛市阶段涨幅的磁吸效应、股灾阶段跌幅的磁吸效应都强于正常阶段;创业板指数在牛市阶段涨幅最强的磁吸效应、股灾阶段跌幅最强磁吸效应都要强于沪深300指数;熔断机制的引入加剧了沪深300指数的磁吸效应。沪深300指数作为大盘股的代表,具有引领证券市场走向作用,所以在涨跌幅限制制度的条件下引入熔断机制,不但没有起到稳定市场的作用,反而加剧了金融市场的波动,因此,现阶段在存在涨跌幅限制的条件下引入熔断机制不适合我国股市。(本文来源于《青岛大学》期刊2017-06-07）
陈泽伟[4]（2017）在《基于超高频数据的中国股指期货日内VaR度量研究》一文中研究指出随着中国证券市场的发展,金融衍生工具越来越丰富,市场的波动也越来越大,对于风险的度量以及控制变得尤为重要。传统的以日间的交易数据作为度量风险的样本数据,容易忽略日内交易信息,导致在风险的度量产生较大的误差。超高频交易数据(以下简称高频数据),记录交易标的每一分笔交易的具体信息,包含了更丰富的波动信息,比如更及时更准确的记录日内波动振幅。因此,寻求合适有效的高频数据风险度量模型,将有助于投资者了解风险,便于监管层更好地把控风险。传统的GARCH类模型以固定时间间隔的交易数据为研究对象,而高频数据以事件的发生至结束为界限,一般都是不固定时间间隔的。因此,本文将采用适用不固定时间间隔的对数自回归条件持续时间模型(Log-ACD模型)以及考虑了事件变动方向的非对称性自回归条件持续时间模型(AACD模型),与传统的AR-GARCH模型一起,分别估计叁个模型的日内VaR值,并比较不同模型间估计风险的能力。本文以沪深300股指期货主力合约为代表,对我国证券市场的日内风险进行度量以及研究。选择2010年4月19日至2015年12月31日日内每笔交易价格的超高频数据为样本数据,首先确定价格变动的阈值,定义阈值使得每一个价格变动事件的持续时间均值保持稳定,然后进行去日内效应的操作,计算叁个模型对沪深300股指期货主力合约每30分钟的风险VaR值,并通过Kupic检验、动态分位数检验、基于持续时间的GMM检验、MSE和MAE检验对叁个模型的有效性、相关性、独立性以及精度进行全面的分析;同时检验Log-ACD模型以及AACD模型的稳定性;最后比较叁个模型在2015年大熊市期间对风险度量的实际估计效果。实证的结果显示:(I)在事件的持续时间均值为5分钟、置信水平为95%,且显着性水平为5%的检验的结果中,AR-GARCH模型取得的Kupiec检验最优,AR-GARCH模型中估计的VaR失败率等于预期失败率的占比最高,达88.64%,而AACD模型比AR-GARCH模型低6.82%,Log-ACD模型Kupiec检验占比最低,而独立性检验、相关性检验、精度估计检验中,AACD模型都表现的最好,AR-GARCH模型次之,Log-ACD模型最差。总的来说,相比较于AR-GARCH模型以及Log-ACD模型,AACD模型的VaR估计效果最好,作为新的风险控制模型,具有很强的应用意义;(II)在改变叁个模型的价格变动事件的持续时间均值以及置信水平之后,发现叁个模型估计VaR的能力保持稳定,一方面证明了初始条件为价格变动事件额度持续时间均值为5分钟且95%置信水平的可行性,另一方面也证明了AACD模型具有稳定的估计风险的能力。(III)以最近证券市场的熊市区间(2015年6月15日至2015年8月26日)为例,叁个模型的Kupeic检验都没有通过,但相关性、独立性以及精度检验上AACD模型依旧表现得最好,说明日内波动的风险确实很大,对风险的控制的能力研究仍有待提高。但是,AACD模型相比于其他两个模型,在独立性、相关性、以及精度上,都有所改进,所以AACD模型可以较好地用于对证券市场的风险度量和管理研究。(本文来源于《华南理工大学》期刊2017-04-11）
刘志东,杨竞一[5]（2016）在《基于非参数日内跳跃检验和高频数据的公司信息披露对股市价格波动影响研究》一文中研究指出本文以2012年1月4日至2013年12月31日之间的共481个交易日作为样本期间,以样本期间上交所发布的"上证180"成分股中的上市公司的经营公告、财务报告及证券分析师根据上述信息披露的股评叁种信息为主要研究对象,从验证方法选择、高频数据选取、信息考察窗口优化及基于面板数据多元Logistics回归模型构建等四个方面将跳跃与不同信息相联系,分析股价波动与不同信息披露的关系。研究结果表明,当信息范围为公司特定的经营公告、财务报告及分析师建议时,经营公告是最具影响力的信息披露渠道,而分析师建议并不是引起股价异常波动最重要的信息。同时,本文研究揭示仅有20%的跳跃与此类信息披露相关,当解释变量覆盖代表宏观信息"系统性事件"和行业、板块信息的"行业事件"时,也仅40%的价格跳跃发生和信息披露有关。本文的研究不仅表明哪一种信息可能更具有投资价值,而且揭示在此研究基础上继续探究引起股价异常波动的其他起因事件可能更具有重要意义。(本文来源于《中国管理科学》期刊2016年10期）
戴秦,谢斐[6]（2016）在《保证金比例对沪深股市股价波动的影响——基于沪深股市的日内高频交易数据》一文中研究指出国际上已有的关于保证金比率变化对股价波动影响的理论研究和实证分析的结论都不一致。文章基于我国沪深股市的日内高频交易数据,利用逐笔成交数据计算股票的日内波动性,对我国沪深股市融资融券保证金比例与股票的波动率进行回归分析。实证研究结果表明,降低融资保证金比例有助于降低我国股票的日内波动性,但是样本期内降低融券保证金比率会提高股票的日内波动性。这一结果与我国当前的融券交易量不大有关。在我国现实的融资融券交易中,应采取适中的保证金比例,在市场的效率和风险中取得平衡。(本文来源于《社会科学家》期刊2016年07期）
西村友作,孙便霞[7]（2016）在《中国股指现货和期货市场的日内波动与交易量:基于高频数据的证据》一文中研究指出随着金融高频交易的快速发展,日内金融资产价格的形成机制与市场微观结构发生了巨大变化。本文着眼于中国股票现货市场与期货市场的波动率和交易量的日内动态关系,基于沪深300股指现货与期货的5分钟数据,利用FFF回归与AR-FIEGARCH-V模型对日内波动率与交易量之间的动态关系进行了实证分析。本文的主要结论为:中国股票现货与期货市场的日内波动率,除了受到其本身的日内交易量的正向影响之外,还受到跨市场交易量的正向影响;同时,期货市场对现货市场的信息传导强度远大于现货市场对期货市场的信息传导强度,说明市场间的信息传导强度是不对称的。(本文来源于《管理工程学报》期刊2016年02期）
王维国,佘宏俊[8]（2015）在《超高频数据的日内效应调整方法研究》一文中研究指出日内效应在金融高频数据研究中已被广泛证实,是一种日内周期性运动的动态效应,它影响了以微观金融指标为参数的计量模型的准确估计。基于金融超高频持续期数据,本文首先论述了日内效应调整的重要性,然后引入自适应映射(SOM)的方法对日内效应进行调整。SOM是一种基于神经网络学习的特征提取方法,能够动态识别高维数据中的结构特征,克服了静态调整方法的不足。最后通过建立基于自回归条件持续期模型(ACD)的蒙特卡罗模拟实验,比较了叁种日内效应调整方法的效果。模拟结果表明SOM方法在日内效应调整中更为有效和稳定,特别适合大数据条件下的周期性结构分析。(本文来源于《中国管理科学》期刊2015年06期）
邱立超[9]（2014）在《基于高频数据的股指期货日内波动价量分析》一文中研究指出我国自2010年4月16日正式推出了沪深300股指期货,一经推出便拥有巨大的成交量,是国内最重要的金融衍生产品。任何一个证券市场都存在着投机和投资两种行为,投资行为为投机行为提供了市场,投机行为为投资行为补充了流动性。为了使沪深300股指期货这一衍生工具的效率最大化,需要对其价格波动、形成等行为进行研究。本文基于高频数据进行研究,首先定义了高频数据下的价格波动率及主要的数量指标,如成交量、持仓量、成交差、持仓波动率等,并分析了单个价量指标其特点,然后利用Granger因果检验和线性回归模型对股指期货的主要价量指标间的关系进行了分析。结果发现,国内股指期货市场中价格波动率分别与成交量的变化、持仓量的波动率存在双向Granger因果关系；价格波动率与成交量的变化、’持仓量的波动率存在显着的正相关性。因此,提出可运用数量波动率的变化规律来预测价格波动规律。(本文来源于《复旦大学》期刊2014-04-30）
苗晓宇[10]（2012）在《基于超高频数据的日内风险价值度量研究》一文中研究指出随着金融市场的快速发展,传统的以日为单位的风险价值(VaR)已无法满足金融风险管理的需求,计算持有期小于1天的日内风险价值(Intraday VaR)显得愈加重要。文中对日内风险价值测度的方法进行了梳理、细化和改进,对测度中细节给予更加充分的考虑,最后结合我国股市特点对日内风险价值测度进行了实证研究。(本文来源于《上海金融学院学报》期刊2012年03期）
日内高频数据论文开题报告
（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：
该文使用2016年12月16日至2017年6月29日间沪深300股指期货和现货5分钟高频交易数据,通过构造非参数波动和跳跃指标,研究沪深300股指期货和沪深300指数已实现波动、连续性波动、已实现跳跃和已实现相关性之间的关系。实证结果表明,沪深300股指期货和标的现货均进行自发调整以实现两者间的长期均衡关系,样本期内两市的各波动和跳跃指标间未呈现出格兰杰因果关系。相对于现货市场,沪深300股指期货波动性更强,且对现货市场有引导作用。期现货市场间存在较强的联动关系,且该联动(相关性)波动程度较高。
（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。
日内高频数据论文参考文献
[1].陈建勋.基于高频数据的中国股市日内回转交易研究[D].哈尔滨工业大学.2019
[2].孙欣欣.沪深300股指期货和现货市场关系研究——基于沪深日内高频数据的视角[J].上海经济研究.2018
[3].刘国锋.中国股市磁吸效应实证研究[D].青岛大学.2017
[4].陈泽伟.基于超高频数据的中国股指期货日内VaR度量研究[D].华南理工大学.2017
[5].刘志东,杨竞一.基于非参数日内跳跃检验和高频数据的公司信息披露对股市价格波动影响研究[J].中国管理科学.2016
[6].戴秦,谢斐.保证金比例对沪深股市股价波动的影响——基于沪深股市的日内高频交易数据[J].社会科学家.2016
[7].西村友作,孙便霞.中国股指现货和期货市场的日内波动与交易量:基于高频数据的证据[J].管理工程学报.2016
[8].王维国,佘宏俊.超高频数据的日内效应调整方法研究[J].中国管理科学.2015
[9].邱立超.基于高频数据的股指期货日内波动价量分析[D].复旦大学.2014
[10].苗晓宇.基于超高频数据的日内风险价值度量研究[J].上海金融学院学报.2012