發(fā)布時間：2020-09-14 12:58

　　 貴金屬交易一般指投資者在對貴金屬市場看好的情形下,低價買入高價賣出,從而賺取差價的過程。同時也可以是投資人在經(jīng)濟低迷的情況下所采取的一種避險手段,以實現(xiàn)資產(chǎn)的保值增值。因為世界上的礦產(chǎn)儲量是一個定量,所以貴金屬可以被當作一種保值工具,不僅可用于投資增加個人資產(chǎn),也可以被當作代幣發(fā)揮其貨幣屬性。貴金屬有良好的避險功能,可以用來在通貨膨脹期間發(fā)揮保值功能;并且諸如黃金、白銀等貴金屬在世界各地都能流通,其價格很難在市場上進行操控,不易造成崩盤的現(xiàn)象;更不存在折舊的問題,工作日期間可以進行全天交易,讓投資者有更多的投資機會。因此,掌握貴金屬的市場波動和投資風險在對金融交易市場的研究中有著重要地位。隨著技術的發(fā)展,高頻數(shù)據(jù)的可得性越來越大,許多學者都基于高頻數(shù)據(jù)的已實現(xiàn)測度進行波動率研究。結(jié)合研究現(xiàn)狀,本文首先采用傳統(tǒng)GARCH類模型進行實證分析,證明GARCH模型對于金融時間序列的適用性;再對結(jié)合了已實現(xiàn)測度RV的RealizedGARCH模型進行推廣,針對二次型沖擊響應函數(shù)反應過度的事實,引入了 GAS型沖擊響應函數(shù);同時考慮了放松冪指數(shù)型沖擊響應函數(shù),證實二次型沖擊響應函數(shù)的設定反應過度;另外又將其推廣到厚尾分布的情形,分別令誤差服從標準t分布和ged分布,以適應金融時間序列尖峰厚尾的特性。在比較尾部風險度量的效果時,采用VaR效果比對各個模型的穩(wěn)健性。本文還建立了 RealizedGAS-GARCH Copula模型,采用Realized GAS-GARCH模型作為邊緣分布函數(shù),利用tCopula函數(shù)刻畫金融多元時間序列間的相關結(jié)構(gòu)�；�于Au888和Ag888期貨高頻數(shù)據(jù)的實證結(jié)果表明,RealizedGARCH模型的風險度量效果要優(yōu)于傳統(tǒng)GARCH類模型;納入不同沖擊響應函數(shù)的RealizedGARCH模型效果又有顯著差別,并且針對不同尾部風險水平,其差異度也不盡相同;本文構(gòu)建的Realized GAS-GARCH Copula模型對相關性測度具有穩(wěn)健性。總體而言,黃金、白銀的價格波動之間存在很大的相關性。
【學位單位】：浙江工商大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：C81
【部分圖文】：

逡逑結(jié)果如下表所示逡逑表２－１時間序列對數(shù)收益率基本統(tǒng)計量逡逑統(tǒng)計量邐均值邐方差邐偏度邐峰度邐Ｊ－Ｂ統(tǒng)計量邐ｐ值逡逑Ａｇ８８８邐０．０１４邐１．６１２邐－０．２４７邐６．１０５邐８５４．９２邐＜２．２ｅ－１６逡逑Ａｕ８８８邐０．０１９邐０．７２２邐０．４８７邐１１．７５６邐３９５．０７邐＜２．２ｅ－１６逡逑注：本文的對數(shù)收益率均放大了邋１００倍。逡逑由表２－１可以看出，兩個序列的峰度都大于３，證實了時間序列的尾部分布有尖峰逡逑性；同時，Ａｇ８８８的偏度小于０，邋Ａｕ８８８的偏度大于０，分R%呈現(xiàn)出左偏分布和右偏分布逡逑的特性。由這兩點可知，這兩個序列都是尖峰厚尾且非對稱的分布。針對Ｊ－Ｂ統(tǒng)計量的逡逑數(shù)值分析，基本確定兩個日對數(shù)收益率序列都不服從正態(tài)分布，這說明我們在選擇誤差逡逑分布的時候要考慮厚尾分布。逡逑下圖所示為兩個日對數(shù)收益率序列的時序圖逡逑Ａｇ８８８邐Ａｕ８８８逡逑

－３－２－１０１２３邐－３－２－１０１２３逡逑圖２－３日對數(shù)收益率ＱＱ圖逡逑圖２－２為Ａｇ８８８和Ａｕ８８８的日對數(shù)收益率序列與其同均值標準差的正態(tài)分布的密度逡逑曲線對比圖，實線為收益率序列密度曲線，虛線為正態(tài)分布密度圖。對比之下可以看到，逡逑日對數(shù)收益率序列曲線具有明顯的尖峰厚尾現(xiàn)象。圖２－３的日對數(shù)收益率ＱＱ圖也同樣逡逑表明，這兩個收益率序列拒絕了正態(tài)分布的假設，可以認為收益率序列具有厚尾性。逡逑２．邋３．邋３參數(shù)估計和ＶａＲ測度逡逑根據(jù)以往學者研究內(nèi)容所示，一階的ＧＡＲＣＨ模型己經(jīng)可以較好地刻畫自回歸條件逡逑異方差。因此本節(jié)的模型都只基于最簡單的ＧＡＲＣＨ（ｌ．ｌ）類模型刻畫Ａｇ８８８和Ａｕ８８８的逡逑日對數(shù)收益率。前文己經(jīng)證實兩個日對數(shù)收益率存在尖峰厚尾性，因此誤差序列服從正逡逑態(tài)分布在此處不適用，本文假設誤差序列分別服從ｔ分布和ｇｅｄ分布。逡逑１４逡逑

－８邋－６邋－４邋－２邐０邐２邐４邐６邐－４邐－２邐０邐２邐４逡逑圖２－２日對數(shù)收益率密度對比圖逡逑Ａｇ８８８邐Ａｕ８８８逡逑＾邋－Ｉ邐，。｜邋荃邋＾邋Ｈ逡逑卜－邐１邋—邋ｙ逡逑Ｅ邋－邐％邐Ｅ邋＾逡逑５邋＾邋－邋／邐＜５５邋＾邋0逡逑0邋°邐Ｔ邋—邋ｏ逡逑＾邋ｉ邋ｉ邋ｉ邋ｒ邋ｉ邋＼邐ｉ邋ｉ邋ｉ邋ｉ邋ｉ邋ｉ邋ｉ逡逑－３－２－１０１２３邐－３－２－１０１２３逡逑圖２－３日對數(shù)收益率ＱＱ圖逡逑圖２－２為Ａｇ８８８和Ａｕ８８８的日對數(shù)收益率序列與其同均值標準差的正態(tài)分布的密度逡逑曲線對比圖，實線為收益率序列密度曲線，虛線為正態(tài)分布密度圖。對比之下可以看到，逡逑日對數(shù)收益率序列曲線具有明顯的尖峰厚尾現(xiàn)象。圖２－３的日對數(shù)收益率ＱＱ圖也同樣逡逑表明，這兩個收益率序列拒絕了正態(tài)分布的假設，可以認為收益率序列具有厚尾性。逡逑２．邋３．邋３參數(shù)估計和ＶａＲ測度逡逑根據(jù)以往學者研究內(nèi)容所示，一階的ＧＡＲＣＨ模型己經(jīng)可以較好地刻畫自回歸條件逡逑異方差。因此本節(jié)的模型都只基于最簡單的ＧＡＲＣＨ（ｌ．ｌ）類模型刻畫Ａｇ８８８和Ａｕ８８８的逡逑日對數(shù)收益率。前文己經(jīng)證實兩個日對數(shù)收益率存在尖峰厚尾性，因此誤差序列服從正逡逑態(tài)分布在此處不適用，本文假設誤差序列分別服從ｔ分布和ｇｅｄ分布。逡逑１４逡逑

【相似文獻】

相關期刊論文 前10條

1 朱建平;魏瑾;謝邦昌;;金融高頻數(shù)據(jù)挖掘研究評述與展望[J];經(jīng)濟學動態(tài);2011年06期

2 金登貴;我國股市高頻數(shù)據(jù)分布特征實證研究[J];江西廣播電視大學學報;2005年03期

3 常寧,徐國祥;金融高頻數(shù)據(jù)分析的現(xiàn)狀與問題研究[J];財經(jīng)研究;2004年03期

4 苗曉宇;;(超)高頻數(shù)據(jù)視角下金融風險度量研究進展[J];經(jīng)濟論壇;2010年08期

5 耿克紅;張世英;;超高頻數(shù)據(jù)下金融市場持續(xù)期序列模型述評[J];中國管理科學;2008年04期

6 朱宇濤;楊杰;;中國證券市場高頻數(shù)據(jù)統(tǒng)計特征分析[J];吉林工商學院學報;2016年03期

7 魏瑾瑞;朱建平;謝邦昌;;金融高頻數(shù)據(jù)僅僅是一個優(yōu)質(zhì)的時間序列嗎:概念及統(tǒng)計特征的再考察[J];投資研究;2014年05期

8 補馮林,張衛(wèi)國,何偉;基于超高頻數(shù)據(jù)的股票流動性度量研究[J];統(tǒng)計與決策;2005年04期

9 武光磊;;大數(shù)據(jù)時代:向高頻出發(fā)[J];科學中國人;2018年18期

10 劉建華;;基于高頻數(shù)據(jù)的中國股市量價日內(nèi)特征分析[J];經(jīng)濟師;2007年10期

相關會議論文 前10條

1 郭名媛;;基于高頻數(shù)據(jù)的已實現(xiàn)極差相關系數(shù)及實證研究[A];2012管理創(chuàng)新、智能科技與經(jīng)濟發(fā)展研討會論文集[C];2012年

2 唐勇;;金融市場波動建模:基于高頻數(shù)據(jù)視角[A];社會經(jīng)濟發(fā)展轉(zhuǎn)型與系統(tǒng)工程——中國系統(tǒng)工程學會第17屆學術年會論文集[C];2012年

3 郭名媛;;基于高頻數(shù)據(jù)的賦權已實現(xiàn)極差相關系數(shù)及其實證研究[A];社會經(jīng)濟發(fā)展轉(zhuǎn)型與系統(tǒng)工程——中國系統(tǒng)工程學會第17屆學術年會論文集[C];2012年

4 ;學術名家思想精粹[A];2014年國際貨幣金融每日綜述[C];2014年

5 張晨;李月環(huán);;基于調(diào)整“已實現(xiàn)”波動率的滬深300指數(shù)高頻數(shù)據(jù)波動性研究與預測[A];中國會計學會高等工科院校分會2008年學術年會（第十五屆年會）暨中央在鄂集團企業(yè)財務管理研討會論文集（上冊）[C];2008年

6 張維;劉博;張小濤;;日內(nèi)金融高頻數(shù)據(jù)的異常點檢測[A];全國自動化新技術學術交流會會議論文集（一）[C];2005年

7 儀垂林;王家琪;;基于高頻數(shù)據(jù)的套利研究——對中國股市弱式有效的一個檢驗[A];21世紀數(shù)量經(jīng)濟學（第6卷）[C];2005年

8 王蘅;;高頻數(shù)據(jù)傳輸電纜的設計與制造[A];中國通信學會2004年光纜電纜學術年會論文集[C];2004年

9 ;學術名家思想精粹[A];2014年國際貨幣金融每日綜述[C];2014年

10 侯建榮;;基于小波分析極大模方法的極端金融事件風險建模問題研究[A];第十四屆中國管理科學學術年會論文集(上冊)[C];2012年

相關重要報紙文章 前10條

1 本報記者 張智;高頻數(shù)據(jù)向暖 中國經(jīng)濟正實現(xiàn)“軟著陸”[N];華夏時報;2017年

2 記者 林遠;今年前兩月投資增速或為8%[N];經(jīng)濟參考報;2017年

3 上海證券 劉亦千 王博生 聞嘉琦;順勢而為 風格均衡[N];中國證券報;2017年

4 第一財經(jīng)研究院研究員 許元榮;高頻數(shù)據(jù)看宏觀：整體挑戰(zhàn)依然 局部有所改善[N];第一財經(jīng)日報;2015年

5 記者 方燁;高頻數(shù)據(jù)顯示8月工業(yè)生產(chǎn)恢復[N];經(jīng)濟參考報;2015年

6 記者 林遠;機構(gòu)稱下半年經(jīng)濟增速無持續(xù)回落風險[N];經(jīng)濟參考報;2018年

7 本報記者 辛繼召;銀聯(lián)騰訊阿里鏖戰(zhàn)交通支付 挖掘場景背后高頻數(shù)據(jù)[N];21世紀經(jīng)濟報道;2018年

8 中信建投期貨 王雪喬;利率下行明顯 期債偏強運行[N];期貨日報;2018年

9 本報記者 周文靜;大成基金：市場仍將維持寬幅震蕩格局[N];中國證券報;2016年

10 金瑞期貨 李麗;銅價 靜待趨勢明朗[N];期貨日報;2019年

相關博士學位論文 前10條

1 唐勇;基于高頻數(shù)據(jù)的金融市場分析[D];天津大學;2007年

2 佘宏俊;基于超高頻數(shù)據(jù)的計量建模方法及市場交易行為量化研究[D];東北財經(jīng)大學;2015年

3 李勝歌;基于高頻數(shù)據(jù)的金融波動率研究[D];天津大學;2008年

4 王芳;基于市場微觀結(jié)構(gòu)噪聲和跳躍的金融高頻數(shù)據(jù)波動研究[D];西南財經(jīng)大學;2011年

5 王萌;兩類金融時間序列模型的估計理論及應用[D];中國科學技術大學;2016年

6 來升強;高頻數(shù)據(jù)交易策略與波動性分析[D];廈門大學;2009年

7 郭華;中國證券市場日內(nèi)交易信息對流動性和波動性的影響研究[D];天津大學;2013年

8 王鋒;我國燃料油期貨市場久期及其應用研究[D];中國礦業(yè)大學;2011年

9 汪劍鯤;日內(nèi)股市數(shù)據(jù)的小波分形特征研究[D];首都經(jīng)濟貿(mào)易大學;2012年

10 李翠霞;基于高頻數(shù)據(jù)下一些特征的統(tǒng)計推斷[D];蘭州大學;2013年

相關碩士學位論文 前10條

1 周曉丹;高頻數(shù)據(jù)下商品期貨統(tǒng)計套利策略研究[D];遼寧大學;2018年

2 袁洪;基于高頻數(shù)據(jù)的投資組合VaR測度研究[D];成都理工大學;2018年

3 季虎;高頻交易中跳躍性波動率模型的實證研究[D];浙江大學;2018年

4 張玉希;高頻數(shù)據(jù)下的滬深300股指期貨量化交易策略設計[D];上海師范大學;2018年

5 張依穎;高頻數(shù)據(jù)Realized GAS-GARCH模型構(gòu)建和相關性研究[D];浙江工商大學;2018年

6 韓孟君;連續(xù)β或不連續(xù)β能夠預測股票收益嗎？[D];東北財經(jīng)大學;2018年

7 徐博文;基于中國金融市場高頻數(shù)據(jù)波動率的分析與實證研究[D];電子科技大學;2018年

8 李博亞;基于金融高頻數(shù)據(jù)下跳的檢測[D];西北師范大學;2017年

9 胡飛虎;基于高頻數(shù)據(jù)的股指期貨信息溢出效應研究[D];上海師范大學;2018年

10 周河源;高頻數(shù)據(jù)的統(tǒng)計套利策略應用[D];首都經(jīng)濟貿(mào)易大學;2018年

本文編號：2818200