导读:本文包含了波动率分解论文开题报告文献综述及选题提纲参考文献，主要关键词:高频金融数据,波动率估计,对数收益率,局部均值分解
波动率分解论文文献综述
秦喜文,冯阳洋,董小刚,李巧玲,周红梅[1]（2019）在《基于局部均值分解的高频金融数据波动率估计》一文中研究指出为解决高频数据在风险评估中存在的非线性问题,提出了利用局部均值分解方法实现高频数据波动率估计。首先,采用高频模拟数据验证估计方法的可行性;其次,将沪深300指数不同频率收盘价作为研究对象,利用局部均值分解方法估计波动率,计算相对误差统计量。实验结果表明,利用局部均值分解方法可以有效实现高频数据波动率估计和解决高频数据中的非线性问题,随着抽样频率的增加,估计精度逐渐提高。该方法为高频数据波动率非参数估计提供了新的研究思路。(本文来源于《吉林大学学报(信息科学版)》期刊2019年06期）
孙荣[2]（2019）在《随机波动率下期权价格分解公式》一文中研究指出在金融市场中,为了尽量规避交易的风险,产生了一种金融衍生品——期权,随着期权的广泛使用,其定价问题越来越引起学者们的关注。作为金融数学研究领域中一个历史悠久且重要的课题,关于期权定价有很多经典模型,其中最经典的莫过于Black-Scholes-Merton期权定价模型。但是,在该模型中假设股价波动率是常数,而低估了实际上标的物波动率,由此计算出的期权价格与实际市场价格有着明显偏差。对于某种标的资产,拥有相同的到期日但不同执行价格的期权,其期权执行价格越偏离现货价格,则隐含波动率越大,由此产生了“波动率微笑”。于是,一些学者针对波动率问题进行研究,通过实证研究发现随机波动率更符合实际情况。为了得到更为准确的期权价格,许多学者开始研究波动率的变化对期权价格的影响,并提出了一些改进模型,其中连续型随机波动率模型的使用更为广泛。比如,Elias Stein和Jeremy Stein(1991)假设波动率符合算数Ornstein-Uhlenbeck过程进行构造,由此提出了Stein-Stein模型;Steven Heston(1993)假设波动率的平方根符合随机过程而提出的Heston模型。Alòs一直对随机波动率模型进行研究,并致力于得到一个新的期权价格分解公式,对此她使用经典的Ito公式来延伸Black-Scholes-Merton公式,将期权价格描述为经典Black-Scholes-Merton公式加上一项相关项和一项波动率项,得到了Heston模型中的期权价格分解公式。本文参照Alòs的方法,对Stein-Stein模型进行期权价格分解公式的推导,并且在计算时加入欧式看涨期权,得到了更为具体的Stein-Stein模型中欧式看涨期权价格分解公式。(本文来源于《吉林大学》期刊2019-05-01）
周仁才[3]（2018）在《基于波动率分解的期权定价》一文中研究指出文章通过将标的资产波动率分解为不相关的两个组成部分,构建了期权定价模型,并求解了相应的期权定价公式.分析新模型在标的资产收益率的偏度与峰度、隐含波动率等方面的重要特征,并利用市场数据对模型进行了拟合.研究表明:将波动率进行分解,以适应于其组件不同的运动过程,从而扩展了模型的适用场景;利用波动率组件的相互作用,即使在波动率参数较低时,也可以令短期期权获得明显的尖峰、波动率微笑等形态特征,从而有效地规避了单因素随机波动率模型的缺陷;同时,通过波动率分解引入新的风险源,模型具有更好的定价效率.(本文来源于《系统工程理论与实践》期刊2018年08期）
杨亚仙,李洋洋[4]（2018）在《中国股市“特质波动率之谜”及其成因量化分解》一文中研究指出本文以A股股票为研究对象,通过投资组合分析和Fama-MacBeth横截面回归发现,中国股市确实存在"特质波动率之谜",即特质波动率和预期收益率显着负相关。进一步分析发现,当控制换手率和历史最大日收益率后,这种负相关关系不再显着。然后量化分解各控制变量对"特质波动率之谜"的解释力,发现历史最大日收益率和换手率的解释力占比高达70%,从而得出中国"特质波动率之谜"的成因主要是投资者异质信念的存在及投资者对彩票类股票的偏好。(本文来源于《投资研究》期刊2018年08期）
李巧玲[5]（2018）在《基于局部均值分解的高频数据波动率估计》一文中研究指出随着科技的发展,针对金融高频数据的分析迅速成为数据分析领域的热点和难点。高频数据包含了比低频数据更多的市场细节信息,因此针对高频数据的波动率估计必定会成为一种更真实的市场波动描述。作为金融市场最重要的特征之一,波动率可以准确描绘收益的波动性,度量金融市场存在的风险,评判收益水平。由于金融高频数据存在微观结构噪声,因此需要预先进行去噪处理,然后再估计波动率。本文提出基于局部均值分解的方法进行波动率估计,实证分析使用的是5只个股的同一季度的1分钟交易数据。文章分为两部分,第一部分是去噪研究,首先利用模拟数据分别验证局部均值分解和经验模态分解的去噪效果,并使用效果较好的方法对实证数据进行去噪;第二部分是波动率估计,首先使用模拟数据探究局部均值分解方法估计波动率的性能,并得出数据频率越高则估计结果精度越低的初步推断;然后分别利用局部均值分解和希尔伯特黄变换对去噪后的1分钟数据进行波动率估计;另外,使用未去噪的1分钟数据进行抽样,得到5分钟、15分钟、30分钟数据,并对这些不同时间间隔的数据使用上述两种方法进行波动率估计。最后,将两种不同方法对不同时间间隔数据的估计结果进行对比分析。实证结果表明,对于1分钟、5分钟、15分钟数据,局部均值分解方法的估计精度均高于希尔伯特黄变换方法。但是对于30分钟数据的估计结果,局部均值分解方法的估计精度低于希尔伯特黄变换,总体上看,LMD方法的相对误差随着时间间隔的增大而递增,验证了模拟数据的估计结果。(本文来源于《长春工业大学》期刊2018-06-01）
孙丽萍[6]（2018）在《沪铜期货价格高频波动率分解分析》一文中研究指出选取2011年至2015年上海期货交易所铜期货价格指数日内每5分钟高频数据,建立VAR模型,分析沪铜期货价格长期的波动及其影响.从描述性统计量分析,沪铜期货价格高频波动率具有尖峰后尾的特征;格兰杰因果检验显示:资金流量和沪铜期货价格波动具有双向因果关系;脉冲响应函数和方差分解表明:沪铜期货价格波动具有长记忆性,成交量对沪铜期货价格具有较强的正向效应,持仓量对沪铜期货价格具有较弱的负向效应.(本文来源于《曲靖师范学院学报》期刊2018年03期）
陶成思[7]（2017）在《基于系数分解方法对特质波动率异象解释变量解释能力的研究》一文中研究指出特质波动率与股票截面收益之间的关系一直是学术界讨论的重要课题之一。早期的研究认为,特质波动率与股票收益之间不存在相关关系,后期研究在早期回归模型的基础上增加了更多变量,发现二者之间存在正相关。自二十一世纪以来,越来越多的资本市场研究发现,已实现的特质波动率与未来的股票收益率呈负相关。这一普遍存在的结果有悖于传统的金融学理论,因此被称为“特质波动率异象”。尽管大量文献致力于从不同的角度解释特质波动率异象,然而迄今为止学术界对特质波动率异象的解释仍然存在诸多争议。本文首先检验了中国A股市场中特质波动率异象的存在性,然后借鉴Hou等所提出的系数分解方法,在中国A股市场中对特质波动率异象可能的解释变量之解释能力进行度量,并将结果与美国股市对比。本文选取的解释变量均为被大多数研究公认的对特质波动率异象具有一定解释能力的变量,包含但不限于每月个股的偏度、共偏度、特质偏度和最大日收益率、滞后一期收益率、Amihud指标、零收益率天数比重、换手率和分析师关注度,以及涨跌停板限制、卖空限制和是否被纳入沪深300指数期货这十二个指标,研究以期从中找出特质波动率异象恰当的解释。实证结果表明,中国A股市场具有稳健的特质波动率异象的特征,并且在考虑了低价股、交易量、创业板块、元月效应的股票市场子样本后,这一异象仍然存在。在对被择解释变量的解释能力逐一评估时,发现归属于博彩型股票偏好类的最大日收益率指标和归属于市场摩擦的换手率指标能够完全解释特质波动率异象,这说明无论从行为金融学中博彩型股票偏好的角度还是从市场微观结构的角度来解释中国股票市场中的特质波动率异象皆具有一定说服力。剔除最大日收益率指标后,剩余十一个解释变量对个股特质波动率异象的联合解释能力达到了 90%以上,而不包含套利限制指标的七个解释变量对个股特质波动率异象的解释能力也达到了 90.46%至100%,这一结果远远超过了美国市场中备选解释变量对个股特质波动率异象的联合解释能力仅有29%至54%的结论。这一结论表明中国股票市场各解释变量对特质波动率异象的解释能力明显强于美国市场,同时表明本文选取的四个套利限制指标对特质波动率异象的边际解释能力较弱。在中国股票市场中,约束套利的交易制度并非导致特质波动率异象的主要原因,博彩型股票偏好及换手率所度量的套利限制才是导致中国股票市场中特质波动率异象的重要因素。本文的创新点在于使用系数分解的方法将解释变量对特质波动率异象的解释能力量化,相比于传统定性方法更加直观,具有说服力。更重要的是,大多数的实证文献认为由于中国股市特有的卖空限制与涨跌停板制度加剧了特质波动率异象在我国股市中的表现,但至少从本文的实证结果看来,这些交易制度对特质波动率异象并没有显着的影响。(本文来源于《东北财经大学》期刊2017-11-01）
黄文强[8]（2014）在《国债超额收益与波动率分解》一文中研究指出本文将债券的已实现波动率分解成两个部分：一部分是连续部分的波动率,也就是所谓的已实现二次幂变差,另一部分是非连续部分的波动率,也就是已实现跳跃的均值。我们发现：使用二次幂变差的技术从美国30年国债远期的高频数据中提取出已实现二次幂变差均值的滚动估计量,并将该估计量加入到Jonathan Wright and Hao Zhou (2009)的回归中,能够在跳跃因子的基础上显着提高该回归对国债超额收益率的预测效果。在样本外预测中,把二次幂变差均值包含进去将使均方根预测误差在Jonathan Wright and Hao Zhou (2009)的基础上减少12-27%。另外,我们发现跳跃部分的波动率对国债超额收益有很好的预测作用,但是对当期的利率期限结构几乎没有解释作用,而连续部分的波动率不仅对国债超额收益有很好的预测作用,同时能够驱动当期利率期限结构的变化。这个结果说明了跳跃部分的波动率是一种纯粹的不可张随机波动率,而连续部分的波动率则更大程度上表现为一种相对不纯粹的不可张随机波动率,我们称之为部分不可张随机波动率。这种性质使得连续部分的波动率可能会成为连接债券市场与固定收益衍生品市场的桥梁。(本文来源于《厦门大学》期刊2014-03-01）
郑宁,殷俊锋,徐承龙[9]（2013）在《投影叁角分解法定价带随机波动率的美式期权》一文中研究指出考虑数值求解Heston随机波动率美式期权定价问题,通过在空间方向采用中心差分格式离散二维偏微分算子,在时间方向利用隐式交替方向格式,将美式期权定价问题转化成求解每个时间层上的若干个线性互补问题.针对一般美式期权定价模型离散得到的线性互补问题,构造出投影叁角分解法进行求解,并在理论上给出算法的收敛条件.数值实验表明,所构造的数值方法对于求解美式期权定价问题是有效的,并且优于经典的投影超松弛迭代法和算子分裂方法.(本文来源于《应用数学与计算数学学报》期刊2013年01期）
李樱[10]（2012）在《深圳股市波动率分解研究》一文中研究指出本文采用Campbell、Lettau、Malkiel和Xu(2001)中的波动率分解方法将深圳股市的波动率分解为市场、行业、公司叁个层面,样本区间为2001年7月至2011年12月。研究结果表明,深圳股市最大的风险为公司层面的风险,其次是市场层面的风险,行业层面风险最低,叁个层面的波动率均不存在随时间的确定性趋势。进一步分析行业后,我们发现,房地产业、采掘业、金融保险业、文化传播业的行业风险较高,综合类行业与传播文化业的公司风险较高。通过对各板块公司风险的分析,我们发现,中小板和创业板的加入的确增加了市场在公司层面的风险。Campbell、Lettau、Malkiel和Xu(2001)(以下称Campbell等(2001))开创性地提出了一个不使用β值的波动率分解模型,将波动率分解为市场、行业、公司叁个层面,并发现美国股市市场波动率、行业波动率保持稳定,而公司层面特质波动率有随时间上升的趋势。这个发现也成为一个研究热点。之后很多国外学者的研究表明,公司特质波动表现出随时间上升的趋势可能是因为：机构投资者持股比例的增加(Xu和Malkiel(2003)、Benntt、Sias和Starks (2003));越来越多公司在生命周期更早阶段上市(Fama和French (2004)、Wei和Zhang (2006));公司治理结构中缺少反收购保护条款(Ferreira和Laux (2007))。但是也有不同的结论,Brandt,Brav,Graham和Kumar(2010)将Campbell等(2001)的样本区间扩展至2008年3季度,发现整个样本区间内,特质波动率并未表现出显着的上升趋势,Campbell等(2001)的结论只是一个阶段性过程。但是他们同时发现对于低价和小规模公司来说特质波动率却存在这种上升的趋势,并将原因归结为散户投资比例的增加。国内关于波动率分解的研究不多。由于样本区间不同,这些研究往往得出出不同的结论,宋逢明和李翰阳(2004)以1990年12月至2001年12月为样本期,将沪深两市所有A股的波动率分解为市场波动率和公司特质波动率。他们发现,我国股市市场波动率有显着的下降趋势,而公司特质波动率没有确定性趋势。李朋、刘善存(2006)以2001年1月至2004年6月所有A股为研究对象,发现我国股市市场、行业、公司叁个层次的波动率都有显着的下降趋势。其中市场波动率为总波动率的最大部分,说明我国投资者面临的主要风险仍是市场风险。金磷(2009)使用Campbell等(2001)模型研究1994年1月至2008年的上证股票波动率,发现公司特质波动率最大且呈现长期确定性下降趋势,而市场波动率和行业波动率均较小不存在确定性趋势。丛剑波(2009)使用该模型估计1998年1月至2008年3月沪深两市所有A股的波动率,发现叁种波动率呈现出先下降后上升的形态,市场波动率、公司特质波动率在2005年后逐步增大,行业波动率在2006年后大幅增加。通过相关文献的阅读,本人发现波动率分解研究可以将整个市场的风险细化,从而更加深入地研究股市风险的成因。另外国内波动率分解相关研究的对象为沪深A股,上海市场股票,并没有针对深圳股市的研究,而深圳股市包含中小板、创业板,其特征值得我们去探索。因此本文选择深圳股市波动率分解为研究主题。由于波动率分解需要使用行业收益率,因此本文以深证行业分类指数日收益率作为行业收益率的代表,由于深证行业分类指数2001年7月开始编制,因此本文的样本区间选择为2001年7月至2011年12月。本文的主要思路为：首先,根据Campbell等(2001)的分解方法将深圳市场的波动率分解为市场波动率、行业波动率、公司特质波动率,并对它们的结构、趋势和相关性进行研究。其次,深入研究各行业在行业层面、公司层面的风险,并通过线性回归研究它们与行业规模、行业公司数量之间的关系。最后,将各板块(主板A股、B股、中小板、创业板)的公司的特质风险加权平均得到板块特质波动率,并逐一加入市场中,计算各板块对整个市场的影响,以及各板块特质波动率之间的相关性。以下,简要介绍本文各部分内容：第一部分,引言。主要阐述本文的研究背景及意义,研究内容及方法,本文的结构安排以及本文的创新及不足。第二部分,股市波动概述。这一部分的内容分为两个方面。首先,本文对股市波动进行一个简单的定义,并介绍了不同的波动率估计方法,包括：方差法、ARCH/GARCH类模型、随机波动率、期权隐含波动率。第二,关于股市波动一般特征的简要介绍,包括：尖峰厚尾性、均值回复、聚集性、长记忆性和持续性、杠杆效应、反馈效应、波动率微笑、溢出效应。第叁部分,深圳股市波动概述。在这一部分中,本文首先简要介绍了深圳股票市场的基本情况。然后,具体介绍深证综指的历史波动情况。第四部分,波动率分解综述。这一部分中,本文简要介绍了波动率分解方法和波动率分解的一些研究成果。第五部分,波动率分解实证分析。在这一部分中,我们首先介绍了本文中所采用的数据和模型。其次,我们对得到的叁种波动率序列进行统计性描述,研究它们的基本特征,通过比率分析研究它们的结构,通过回归模型研究它们趋势特征。最后通过格兰杰因果分析检验它们之间的相关性。我们发现,我国深圳股票市场波动率的结构欧美国家相似,公司层面波动率最高,市场层面波动率其次,行业层面波动率最低,说明我国股市公司层面的风险最大；叁种波动率序列与时间变量的回归结果都表现为不显着的正相关,说明,样本区间内我国股市波动率没有确定性的时间趋势；行业波动率、公司特质波动率可以解释市场波动率,市场波动率可以解释公司特质波动率,但解释效果受异常波动率的影响大。第六部分,行业波动率分析。本部分,我们研究了行业波动率与行业公司特质波动率的特征,并通过行业总市值和行业中公司数量对波动率进行解释。研究发现,房地产业、采掘业、金融保险业、文化传播业的行业风险较高,行业与市场的差异程度大,制造业的行业风险远小于其他行业,与市场差异程度非常低；水电煤气业的公司特质波动率最低,行业内公司涨跌非常一致,综合类行业与传播文化业的公司特质波动率较高,行业内公司表现出强烈的异质性；部分行业的行业波动率以及行业特质波动率与行业规模、行业内公司数量关系显着,总体看来,行业波动率不能由行业总市值和行业公司数量的增加来解释,而行业公司特质波动率会随着行业规模,行业内公司数量的增加而增加。第七部分,板块波动率分析。在这一部分,我们研究了各板块公司特质波动的特征,各板块依次加入后对整个市场的波动率的影响以及各板块特质波动率的格兰杰因果关系。我们发现,创业板特质波动率最高,其次是中小板,然后是主板A股,B股的特质波动率最低；B股加入后市场特质波动率明显降低,创业板和中小板加入后市场特质波动率的均值有所提高,中小板和创业板的加入的确增加了整个市场在公司层面的风险；中小板特质波动率可以短期影响主板A股的特质波动率,而主板A股特质波动率对中小板特质波动率的影响是长期的。第八部分,本文的总结。在这部分我们总结了本文的主要观点,并针对本文结论和我国股市的实际情况,给出了相应的建议。本文的创新之处在于：1、本文通过最新的数据对深圳股市进行波动率分解,有助于我们了解近几年深圳股市不同层面波动率的特征；2、本文创新地将各板块的特质波动率进行加权平均,计算出各板块的特质波动率,并在此基础上研究各板块加入后对整个市场的影响。本文的研究仍然存在很多不足：1、本文的样本区间过小,并且只包含了一个完整的波动区间,因此关于波动率确定性趋势的检验不够有说服力；2、本文深度不够,仅对各波动率进行了简单的分析并未挖掘其变化的深层次原因。(本文来源于《西南财经大学》期刊2012-03-01）
波动率分解论文开题报告
（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：
在金融市场中,为了尽量规避交易的风险,产生了一种金融衍生品——期权,随着期权的广泛使用,其定价问题越来越引起学者们的关注。作为金融数学研究领域中一个历史悠久且重要的课题,关于期权定价有很多经典模型,其中最经典的莫过于Black-Scholes-Merton期权定价模型。但是,在该模型中假设股价波动率是常数,而低估了实际上标的物波动率,由此计算出的期权价格与实际市场价格有着明显偏差。对于某种标的资产,拥有相同的到期日但不同执行价格的期权,其期权执行价格越偏离现货价格,则隐含波动率越大,由此产生了“波动率微笑”。于是,一些学者针对波动率问题进行研究,通过实证研究发现随机波动率更符合实际情况。为了得到更为准确的期权价格,许多学者开始研究波动率的变化对期权价格的影响,并提出了一些改进模型,其中连续型随机波动率模型的使用更为广泛。比如,Elias Stein和Jeremy Stein(1991)假设波动率符合算数Ornstein-Uhlenbeck过程进行构造,由此提出了Stein-Stein模型;Steven Heston(1993)假设波动率的平方根符合随机过程而提出的Heston模型。Alòs一直对随机波动率模型进行研究,并致力于得到一个新的期权价格分解公式,对此她使用经典的Ito公式来延伸Black-Scholes-Merton公式,将期权价格描述为经典Black-Scholes-Merton公式加上一项相关项和一项波动率项,得到了Heston模型中的期权价格分解公式。本文参照Alòs的方法,对Stein-Stein模型进行期权价格分解公式的推导,并且在计算时加入欧式看涨期权,得到了更为具体的Stein-Stein模型中欧式看涨期权价格分解公式。
（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。
波动率分解论文参考文献
[1].秦喜文,冯阳洋,董小刚,李巧玲,周红梅.基于局部均值分解的高频金融数据波动率估计[J].吉林大学学报(信息科学版).2019
[2].孙荣.随机波动率下期权价格分解公式[D].吉林大学.2019
[3].周仁才.基于波动率分解的期权定价[J].系统工程理论与实践.2018
[4].杨亚仙,李洋洋.中国股市“特质波动率之谜”及其成因量化分解[J].投资研究.2018
[5].李巧玲.基于局部均值分解的高频数据波动率估计[D].长春工业大学.2018
[6].孙丽萍.沪铜期货价格高频波动率分解分析[J].曲靖师范学院学报.2018
[7].陶成思.基于系数分解方法对特质波动率异象解释变量解释能力的研究[D].东北财经大学.2017
[8].黄文强.国债超额收益与波动率分解[D].厦门大学.2014
[9].郑宁,殷俊锋,徐承龙.投影叁角分解法定价带随机波动率的美式期权[J].应用数学与计算数学学报.2013
[10].李樱.深圳股市波动率分解研究[D].西南财经大学.2012