导读:本文包含了己实现波动率论文开题报告文献综述及选题提纲参考文献，主要关键词:独立循环神经网络,独立长短时记忆网络,激活函数,沪深300指数
己实现波动率论文文献综述
武畅[1]（2019）在《基于独立循环神经网络的沪深300指数已实现波动率预测研究》一文中研究指出循环神经网络是深度学习中重要的组成部分,与传统的神经网络相比,循环神经网络的优势在于可以处理具有时间先后顺序的序列数据,但其处理较长时间序列能力较弱,不具有较长时间的记忆性。针对这一问题,许多学者都进行了研究并取得了一定的成果。对于波动率的研究是金融理论研究和实际决策的重要部分,其中己实现波动率是基于日内高频数据估计波动率的方法,优于低频数据估计得到的波动率结果,具有重要的研究价值。沪深300指数作为可以反映中国金融市场的重要指示指数,对其波动性的研究也非常重要。本文根据独立循环神经网络的思想,在长短时记忆网络的基础上,改变了相应的激活函数和乘积形式,得到了独立长短时记忆网络模型。与此同时,本文将独立循环神经网络和独立长短时记忆网络中的激活函数由线性整流函数ReLu替换为指数线性单元Elu函数和平滑整流函数softplus得到新的改进模型,用以预测沪深300指数己实现波动率,对新模型的长记忆性进行了分析,并将新模型及传统模型对于己实现波动率的预测准确性进行了实证分析和综合评价。本文利用2010年至2019年10年的沪深300指数5分钟高频数据得到的高频己实现波动率进行实证分析。由实证结果可以发现,独立长短时记忆网络相较独立循环神经网络能够处理更长时间的序列数据,具有更长的记忆性,同时在将独立循环神经网络和独立长短时记忆网络中激活函数进行替换后,模型都可以保持很好的训练性能,并提升己实现波动率预测的准确性。相比之下,以平滑整流函数softplus为激活函数的独立循环神经网络模型及独立长短时记忆模型比以指数线性单元Elu和线性整流函数ReLu为激活函数的模型对于沪深300指数己实现波动率的预测更加准确。(本文来源于《北京交通大学》期刊2019-06-01）
瞿慧,何佳诺[2]（2019）在《基于已实现波动率的50ETF期权定价研究》一文中研究指出2015年2月9日上证50ETF期权正式上市交易,标志着中国开始进入期权时代,也对期权的准确定价提出了迫切要求。波动率是期权定价模型的核心参数,准确估计和有效预测波动率对期权定价性能至关重要。利用50ETF的日内高频价格计算已实现波动率,使不可观测的波动率可以直接估计和建模。对已实现波动率构建带杠杆的异质自回归伽马(HARGL)模型,以及带异质杠杆的异质自回归伽马(HARGHL)模型。提出进一步区分日内价格上行、下行风险对已实现波动率预测的贡献,引入利用日内正、负高频收益率计算的已实现正、负半差,将上述模型分别改进为HARGL-S模型和HARGHL-S模型,以更好地刻画波动的日内杠杆效应。通过对参数估计从真实测量到风险中性测量的转换,实现蒙特卡洛模拟法的期权定价。采用50ETF期权上市起至2017年4月18日的42 406条期权合约收盘价数据,通过模拟在期权价格和隐含波动率上的均方根误差,比较4种模型的定价性能。研究结果表明,①50ETF看涨期权和看跌期权均表现出明显的波动率"微笑"特征;②中国股市波动的风险溢酬显着为正,有必要对波动率模型参数估计进行从真实测量到风险中性测度的转换;③已实现正、负半差和异质杠杆的引入都能够显着提高模型的期权定价能力,同时引入则模型定价能力总体最优;④引入已实现正、负半差对非深度实值超短期、短期看涨期权的定价性能改善最为明显,引入异质杠杆对非深度实值超短期、短期看跌期权的定价性能改善最为明显。研究结论拓展了对50ETF期权定价的方法,肯定了在已实现波动率异质自回归伽马模型中引入已实现正、负半差和异质杠杆的重要价值,对于投资者进行有效的期权定价和交易以及监管机构进行有效的决策具有实际指导意义。(本文来源于《管理科学》期刊2019年03期）
杨涛[3]（2019）在《引入经济政策不确定性指标的沪深300指数已实现波动率建模研究》一文中研究指出波动率是金融资产风险衡量的重要指标,在多种金融活动中发挥着重大作用,如衍生品定价、投资组合决策、VaR风险管理指标的计算等,因此波动率的预测和度量一直都是学者研究的重点。另一方面,随着当前宏观经济环境的日益复杂多变以及市场经济愈发依赖政府经济政策的导向,市场在“政府之手”频繁地干预下,愈发无法自主调节经济。因而经济政策变化带来的不确定性上升,使得宏观经济波动变得更为剧烈,进而影响到股票价格的暴涨暴跌。具体到国内股票市场,国内股市又被称为“政策市”,受政策面因素影响很大,本文尝试着将以经济政策不确定性指标为代表的经济政策不确定性引入到波动率预测模型中,希望借此提高波动率模型的预测精度,这将对实务工作者有非常重要的现实意义。本文在以往学者研究的基础上,借助陆尚勤和黄昀(2019)编制的日度和月度中国经济政策不确定性指数(China Economic Policy Uncertainty Index,CEPU指数),尝试将日度CEPU指数引入到HAR族模型,同时将日度和月度CEPU指数分别引入到GARCH-MIDAS模型,以此提高波动率模型的预测精度。具体采用2014年1月1日至2018年12月31日沪深300指数5分钟高频交易数据,按照4:1的比例将样本期分为估计期和预测期,并采用滚动时间窗进行向前一步预测的方法进行样本外预测。在样本内估计时,发现1)引入CEPU指数的HAR族新模型较原模型在拟合优度上都得到了提升,而这其中对短期日波动的拟合能力提升程度最小,对中期周波动拟合能力提升程度居中,对长期月波动的拟合能力提升程度最大,这反映出宏观的经济政策不确定性变化作用于股票市场具有一定的滞后性,CEPU指数主要影响股市的长期波动。2)GARCH-MIDAS-D在不同滞后期的估计期样本估计结果均优异于GARCH-MIDAS-M和GARCH-MIDAS模型。另外,GARCH-MIDAS-D模型的最佳滞后期是630天(21个月)。在样本外预测方面,由模型信度集合检验(Model confidence set,MCS)结果可知,1)引入日度CEPU指数的GARCH-MIDAS模型预测效果普遍优于HAR族各模型;2)只有滞后21个月对应的GARCH-MIDAS-D模型能够幸存于MCS检验中。这表明滞后21个月的GARCH-MIDAS-D模型能较为精确地预测我国股票市场的波动率,CEPU指数对提高股市波动率的预测精度具有积极作用。本文不足之处在于样本期太短,无法进行更长时间的稳定性检验。下一步,计划进行更长时期的样本估计和预测,以此判断引入日度CEPU指数的GARCH-MIDAS-D模型在不同样本期预测的精确度和稳定性。(本文来源于《南京大学》期刊2019-05-12）
王天一,刘浩,黄卓[4]（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）
李超[5]（2018）在《高频数据下基于已实现波动率的上证50ETF期权定价研究》一文中研究指出越来越多的研究结果表明,对于各种的期权定价模型来说,高频数据中蕴含了大量的标的物价格走势信息,在量化交易中比低频数据涵盖了更多的信息,因此在期权研究中越来越多的学者开始使用高频数据,高频数据在期权定价研究中越来越受到重视。使用日内高频数据来计算波动率,相比低频数据来说可以取得更好的效果。已实现波动率计算简单,无需参数估计,但是在波动率预测方面效果显着。可见,高频数据的应用有着重要的价值。本文研究中采用高频数据。以上证50ETF期权为样本,对GARV和ARV模型进行复现,对中国期权市场的已实现波动率进行研究。首先,对上证50ETF的已实现波动率序列进行描述性统计分析,然后对上证50ETF期权进行定价研究,并与传统模型进行进行对比。以期为量化投资科学决策,提供备选方案,同时,本文所选用模型算法实现具有一定的难度,本文的研究是对该领域现有研究的补充。本文发现,已实现波动率序列分布呈现尖峰后尾性,且极度右偏。已实现波动率序列不符合正态分布,而对已实现波动率取对数后发现,对数已实现波动率序列呈现出明显的波动集聚性特征,且服从正态分布。通过对2016—2017年两年的,到期月分别为六月和九月的上证50ETF期权定价实证,通过对比叁个模型的定价走势和价差走势,可以发现:由于GARV和ARV模型的波动率是不断变化的,可以随着时间的推移而自动作出改变,利用已实现波动率进行期权定价,使用高频数据本身就可以获得更多关于资产价格变动的信息,可以随时修正模型定价误差,这也使得在使用GARV和ARV模型进行期权定价时,可以取得比BSM模型更好的效果的原因。(本文来源于《首都经济贸易大学》期刊2018-06-30）
刘会芳[6]（2018）在《基于已实现波动率的收益率跳跃模型研究》一文中研究指出近年来的实证研究表明,金融资产价格普遍存在跳跃现象,并且中国证券市场作为新兴市场,和欧美等市场相比很多方面还不成熟,跳跃的发生更加频繁。在此背景下,对跳跃行为的研究有利于更好地刻画收益率的特性,从而对资产定价、资产配置、风险管理等都有重要的理论意义和现实意义。本文在由Barndorff Nielsen和Shephard(2004,2006)发展的已实现方差和二次幂变差方法的基础上提出了一个收益率跳跃模型,并采用中美股票市场七大股指的5分钟高频数据进行了实证分析。受Andersen等人(2011)研究的启发,本文分别对收益率跳跃大小和跳跃概率进行建模。在对收益率跳跃大小进行建模时,本文对Andersen等人(2011)研究中所提的跳跃大小的平方的方程式(HAR-J模型)进行拓展,推导出一个具有时变矩的跳跃大小的条件概率密度。由于跳跃大小密度的不对称性是通过滞后的已实现波动率的函数来建模的,跳跃大小的条件均值、方差和偏度可以随时间动态变化。在对跳跃发生概率进行建模时,本文采用了 ACH模型,与Andersen等人(2011)的研究中的ACH模型不同,本文更倾向于把滞后的已实现波动率作为外生变量来对收益率跳跃的条件风险率进行建模。本文中的所有模型参数都是采用最大似然法估计的。在对模型进行评估后,本文还对本文模型的预测能力进行了分析。本文的收益率跳跃模型参数估计结果表明:跳跃大小概率密度存在不对称性,并且过去的已实现波动率会对跳跃大小和跳跃发生概率有显着的影响;对本文收益率跳跃模型的预测分析实证研究表明:与基准ARMA(1,1)-GARCH(1,1)模型相比,本文的模型可以对样本内和样本外的跳跃大小提供更好的密度预测精度;本文模型可以为跳跃发生和正跳跃发生提供准确的样本内和样本外概率预测。(本文来源于《湖南大学》期刊2018-04-01）
姜艳艳[7]（2018）在《基于上证50ETF已实现波动率的研究》一文中研究指出金融资产波动率方面的相关研究,是金融市场中风险分析和资产定价等内容的重要基础,因此,波动率的分析是金融市场研究的一个重要部分,主要用定量的方法对其进行研究,使其得到更广泛的应用.科学技术水平的迅速发展,促使学者们对波动率的研究也逐渐深入.目前我们处于一个信息化时代,高频数据的出现为波动率的研究开拓了一个新的发展方向,为此,以高频数据为基础的已实现波动率成了近些年来的热点问题.以异质市场假说理论为基础的异质自回归已实现波动率(HAR-RV)模型,相对于传统模型有着很大的优势,该模型主要描述的是交易者持有资产的不同时长对现时点已实现波动率的影响.本文在此基础上引入了隔夜收益率这一影响因素,利用调整后的已实现波动率对原有模型进行了适当改进,得到了HAR-ARV模型,由于金融资产价格的杠杆作用和信息的不对称性,又引入了EGARCH模型,使其与HAR-ARV模型相结合构建了HAR-ARV-EGARCH模型.2015年2月在上海证券交易所推出的上证50ETF期权使我国的金融衍生品发展迈出了巨大一步,目前其相关研究较少,因此本文以其标的物上证50ETF作为研究分析主体,使用的样本数据为2015年8月5日至2017年11月30日的上证50ETF5分钟收盘价,利用HAR-ARV模型和HAR-ARV-EGARCH模型对选取的样本进行实证分析,通过损失函数指标对两个模型在样本内预测和样本外预测的结果做了对比分析.最终表明,HAR-ARV-EGARCH模型能够很好的消除HAR-ARV模型所具有的ARCH效应,对调整已实现波动率的衡量也较为准确.(本文来源于《兰州大学》期刊2018-04-01）
李倩,陈浪南,段连杰[8]（2017）在《基于结构突变的国债期货已实现波动率的预测与评价》一文中研究指出本文在分析我国国债期货收益率特征的基础上构建了基于结构突变的16种HAR族模型并用于对我国国债期货已实现波动率进行预测,同时对预测模型进行样本内和样本外预测效果比较。研究结果表明,国债期货收益率存在明显结构变化;投机活动变量可以为国债期货已实现波动率预测提供重要信息;无论在样本内还是样本外,所构建的基于结构突变的预测模型均较标准HAR-RV有更好的预测效果,而且所构建的HAR-CJ类模型具有最好的样本外预测能力。(本文来源于《金融学季刊》期刊2017年03期）
牛孟艺[9]（2017）在《基于已实现波动的电力市场波动率建模研究》一文中研究指出波动率一直是金融资产建模研究的核心问题之一。近年来,众多国家电力价格开始推行市场化机制,电力衍生品越来越多,电价波动率的影响也随之越来越大。而电力作为一种无法储存、季节性、周期性明显的商品,其波动率具备这与其他金融资产截然不同的特性。因此电力波动率建模的工作也开始受到广泛的关注。由于波动的不可见性,学术界中对于波动率的估计方式有很多。但是随着近年来计算机技术的发展以及高频数据的可得性越来越好,基于高频数据计算估计得到的已实现波动率在学术界的应用越来越广泛,相关基于已实现波动率的波动率时间序列模型也越来越多。现有的使用已实现波动率对于电力资产波动率的建模研究大多集中在将适用于其他资产的模型迁移至电力市场中,对于电力市场中存在的"逆杠杆效应",模型残差的尖峰厚尾性、有偏性以及波动之波动聚集等特性刻画地不够深入。本文通过使用澳洲电力市场价格数据,针对上述等特点,对已实现波动率建模最常用的异质自回归(HAR)模型进行拓展,分别考虑加入杠杆效应的刻画、使用偏态学生分布作为扰动项以刻画尖峰厚尾及有偏性、加入波动之波动的模型刻画,以期提高模型的样本内数据拟合能力以及样本外波动率预测能力,并使用似然比检验、DM检验、SPA检验以及MCS检验对相应的结果进行检验。实证结果表明:1)澳洲电力市场的波动率是具备"逆杠杆效应"、残差尖峰厚尾、有偏性以及波动之波动聚集等特性的,这点与其他文献的结论一致。似然比检验结果表明,通过本文的方法对相应模型进行改进,可以显着提高模型的样本内拟合程度。2)通过DM检验、SPA检验、MCS检验的结果来看,对异质自回归模型进行上述方式的改进可以显着提高模型对波动率的预测能力,这点与拟合程度得到提高一致。此外,GARCH模型以及FIGARCH模型是作为波动之波动刻画模型效果较好的模型。(本文来源于《南京大学》期刊2017-05-26）
瞿慧,柯洁[10]（2017）在《引入隔夜信息的已实现波动率》一文中研究指出中国股市每天交易时间只有4小时,而可能影响股票收益的信息却在24小时内连续累积。隔夜信息即指非交易时段产生的影响股市的信息,既可能源自非交易时段的政策颁布、公司公告,也可能源自海外市场的股价变动等。在估计日已实现波动率时,对隔夜信息的处理方式尚无定论。以沪深300指数5分钟高频价格为实证数据,比较多种引入隔夜信息的方法,发现本文提出的以S&P500指数交易时段已实现波动率代理隔夜波动率,与沪深300指数交易时段已实现波动率相加而构建的日已实现波动率估计量,在均方误差指标和模型置信集检验下具有最高的样本内精确度。并且以之为真实波动率代理变量时,常用GARCH类模型样本外预测性能的比较结果在各种估计窗/预测窗组合下最为一致。(本文来源于《系统工程》期刊2017年04期）
己实现波动率论文开题报告
（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：
2015年2月9日上证50ETF期权正式上市交易,标志着中国开始进入期权时代,也对期权的准确定价提出了迫切要求。波动率是期权定价模型的核心参数,准确估计和有效预测波动率对期权定价性能至关重要。利用50ETF的日内高频价格计算已实现波动率,使不可观测的波动率可以直接估计和建模。对已实现波动率构建带杠杆的异质自回归伽马(HARGL)模型,以及带异质杠杆的异质自回归伽马(HARGHL)模型。提出进一步区分日内价格上行、下行风险对已实现波动率预测的贡献,引入利用日内正、负高频收益率计算的已实现正、负半差,将上述模型分别改进为HARGL-S模型和HARGHL-S模型,以更好地刻画波动的日内杠杆效应。通过对参数估计从真实测量到风险中性测量的转换,实现蒙特卡洛模拟法的期权定价。采用50ETF期权上市起至2017年4月18日的42 406条期权合约收盘价数据,通过模拟在期权价格和隐含波动率上的均方根误差,比较4种模型的定价性能。研究结果表明,①50ETF看涨期权和看跌期权均表现出明显的波动率"微笑"特征;②中国股市波动的风险溢酬显着为正,有必要对波动率模型参数估计进行从真实测量到风险中性测度的转换;③已实现正、负半差和异质杠杆的引入都能够显着提高模型的期权定价能力,同时引入则模型定价能力总体最优;④引入已实现正、负半差对非深度实值超短期、短期看涨期权的定价性能改善最为明显,引入异质杠杆对非深度实值超短期、短期看跌期权的定价性能改善最为明显。研究结论拓展了对50ETF期权定价的方法,肯定了在已实现波动率异质自回归伽马模型中引入已实现正、负半差和异质杠杆的重要价值,对于投资者进行有效的期权定价和交易以及监管机构进行有效的决策具有实际指导意义。
（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。
己实现波动率论文参考文献
[1].武畅.基于独立循环神经网络的沪深300指数已实现波动率预测研究[D].北京交通大学.2019
[2].瞿慧,何佳诺.基于已实现波动率的50ETF期权定价研究[J].管理科学.2019
[3].杨涛.引入经济政策不确定性指标的沪深300指数已实现波动率建模研究[D].南京大学.2019
[4].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
[5].李超.高频数据下基于已实现波动率的上证50ETF期权定价研究[D].首都经济贸易大学.2018
[6].刘会芳.基于已实现波动率的收益率跳跃模型研究[D].湖南大学.2018
[7].姜艳艳.基于上证50ETF已实现波动率的研究[D].兰州大学.2018
[8].李倩,陈浪南,段连杰.基于结构突变的国债期货已实现波动率的预测与评价[J].金融学季刊.2017
[9].牛孟艺.基于已实现波动的电力市场波动率建模研究[D].南京大学.2017
[10].瞿慧,柯洁.引入隔夜信息的已实现波动率[J].系统工程.2017