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(jì)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(dāng)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(dāng)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(jìn)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(jìn)行全天交易,讓投資者有更多的投資機(jī)會。因此,掌握貴金屬的市場波動和投資風(fēng)險在對金融交易市場的研究中有著重要地位。隨著技術(shù)的發(fā)展,高頻數(shù)據(jù)的可得性越來越大,許多學(xué)者都基于高頻數(shù)據(jù)的已實現(xiàn)測度進(jìn)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(jìn)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(jìn)行推廣,針對二次型沖擊響應(yīng)函數(shù)反應(yīng)過度的事實,引入了 GAS型沖擊響應(yīng)函數(shù);同時考慮了放松冪指數(shù)型沖擊響應(yīng)函數(shù),證實二次型沖擊響應(yīng)函數(shù)的設(shè)定反應(yīng)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(biāo)準(zhǔn)t分布和ged分布,以適應(yīng)金融時間序列尖峰厚尾的特性。在比較尾部風(fēng)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(guān)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(fēng)險度量效果要優(yōu)于傳統(tǒng)GARCH類模型;納入不同沖擊響應(yīng)函數(shù)的RealizedGARCH模型效果又有顯著差別,并且針對不同尾部風(fēng)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(guān)性測度具有穩(wěn)健性�？傮w而言,黃金、白銀的價格波動之間存在很大的相關(guān)性。
【學(xué)位單位】：浙江工商大學(xué)
【學(xué)位級別】：碩士
【學(xué)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(diǎn)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(biāo)準(zhǔn)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(shè)，可以認(rèn)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(xué)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(shè)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(biāo)準(zhǔn)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(shè)，可以認(rèn)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(xué)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(shè)誤差序列分別服從ｔ分布和ｇｅｄ分布。逡逑１４逡逑

【相似文獻(xiàn)】

相關(guān)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(jì)學(xué)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(xué)學(xué)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(fēng)險度量研究進(jìn)展[J];經(jīng)濟(jì)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(xué);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(xué)院學(xué)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(bǔ)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(xué)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(jì)師;2007年10期

相關(guān)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(guān)系數(shù)及實證研究[A];2012管理創(chuàng)新、智能科技與經(jīng)濟(jì)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(jì)發(fā)展轉(zhuǎn)型與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第17屆學(xué)術(shù)年會論文集[C];2012年

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

4 ;學(xué)術(shù)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(yù)測[A];中國會計學(xué)會高等工科院校分會2008年學(xué)術(shù)年會（第十五屆年會）暨中央在鄂集團(tuán)企業(yè)財務(wù)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(diǎn)檢測[A];全國自動化新技術(shù)學(xué)術(shù)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(jì)數(shù)量經(jīng)濟(jì)學(xué)（第6卷）[C];2005年

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

9 ;學(xué)術(shù)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(fēng)險建模問題研究[A];第十四屆中國管理科學(xué)學(xué)術(shù)年會論文集(上冊)[C];2012年

相關(guān)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(jì)正實現(xiàn)“軟著陸”[N];華夏時報;2017年

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

3 上海證券 劉亦千 王博生 聞嘉琦;順勢而為 風(fēng)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(fù)[N];經(jīng)濟(jì)參考報;2015年

6 記者 林遠(yuǎn);機(jī)構(gòu)稱下半年經(jīng)濟(jì)增速無持續(xù)回落風(fēng)險[N];經(jīng)濟(jì)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(jì)經(jīng)濟(jì)報道;2018年

8 中信建投期貨 王雪喬;利率下行明顯 期債偏強(qiáng)運(yùn)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(guān)博士學(xué)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(xué);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(xué);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(xué);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(xué);2011年

5 王萌;兩類金融時間序列模型的估計理論及應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2016年

6 來升強(qiáng);高頻數(shù)據(jù)交易策略與波動性分析[D];廈門大學(xué);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(xué);2013年

8 王鋒;我國燃料油期貨市場久期及其應(yīng)用研究[D];中國礦業(yè)大學(xué);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(jì)貿(mào)易大學(xué);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(xué);2013年

相關(guān)碩士學(xué)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(xué);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(xué);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(xué);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(shè)計[D];上海師范大學(xué);2018年

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

6 韓孟君;連續(xù)β或不連續(xù)β能夠預(yù)測股票收益嗎？[D];東北財經(jīng)大學(xué);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(xué);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(xué);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(yīng)研究[D];上海師范大學(xué);2018年

10 周河源;高頻數(shù)據(jù)的統(tǒng)計套利策略應(yīng)用[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2018年

本文編號：2818200