高频数据下高维协方差阵的RCM算法估计与应用

基于因子模型的估计方法是高频数据下高维协方差矩阵估计的一个重要方向.为了解决行业分类门限法的主观性问题,本文使用RCM算法对剔除了主要成分的残差矩阵进行重新排序并进行分块对角化门限处理.本文首先在数值模拟中设定残差矩阵包含分块对角结构并将其顺序打乱,随后使用RCM算法进行重新排序,结果表明其能够还原乱序残差矩阵中所包含的分块对角结构.基于2015年股灾期间和2018全年的高频数据,本文将预平均法和使用RCM进行分块对角处理的POET方法进行结合,并在实证研究中对包括该估计量在内的多种协方差估计量进行了样本外预测效果的比较.结果显示改进后的估计量具有更好的预测能力,进行含总敞口约束的最小方差组合投资时的日内波动率整体较低.     

长记忆随机波动模型的估计与波动率预测——基于中国股市高频数据的研究

为了有效捕捉中国股市波动率的长记忆性,提高远期波动率的预测精度,本文基于中国股市高频数据建立了长记忆随机波动模型,检验高频数据中时变的“日历效应”成分的频率,有效地对“日历效应”进行滤波。使用频域内拟极大似然方法估计LMSV模型参数,为了提高计算效率应用混沌优化算法进行最优搜索。对比了高频数据直接建模和已实现波动率方法建模的预测结果发现,通过高频数据估计的LMSV模型可以很好保留高频数据中所包含的信息量,克服信息丢失问题,预测结果要优于已实现波动率方法建模预测的结果。     

高频数据下投资组合风险预测模型比较

＂已实现＂协方差矩阵是对投资组合波动性及相关性的一种全新的度量方法.系统介绍基于高频交易数据的＂已实现＂波动率及由它拓展而来的＂已实现＂协方差矩阵.利用样本数据对模型进行检验,并比较分析该方法与DCC-GARCH方法的优劣.对比结果说明,这种基于高频交易数据的多元RV估计方法在估计精度和计算简便程度上明显优于DCC-GARCH方法.     

基于TVS-MHAR模型金融市场高频多元波动率的预测

本文基于Kalli和Griffin(2011)的时变稀疏模型和多元HAR模型,构建了具有时变稀疏性的多元HAR模型(TVS-MHAR),并利用中国上证综指、沪深300期货和国债期货的五分钟高频数据,对金融市场的已实现波动率矩阵进行预测.本文通过Cholesky转换方法保证预测波动率矩阵的正定性.通过对不同多元波动率模型的预测结果进行数值比较和经济比较,本文发现,本文构建的TVS-MHAR模型无论对于短期预测、中期预测还是长期预测都具有最高的预测精度和最大的投资改善.同时,时变多元波动率模型可以获得比固定参数模型更好的预测效果,高频数据模型比低频数据模型获得更大的投资改善.     

多维高频数据的"已实现"波动建模研究

金融市场高频数据的分析与建模是金融计量学一个全新的研究领域.把基于一维高频数据的“已实现”波动率扩展到多维高频数据情形,给出“已实现”协方差阵,并给出了协方差阵的极限性质,用以刻画多维金融变量的波动率和相关性.研究了基于上证综指和深圳成份指数高频数据的“已实现”协方差阵的特性,最后针对它的长记忆性建立了FIVAR模型,该模型刻画了上证综指和深圳成份指数各自的波动性和之间的相关性.研究发现,“已实现”波动和“已实现”协方差取对数后具有良好的正态分布特性,相同的长记忆性.针对“已实现”协方差阵建立的FIVAR模型为进一步研究波动的协同持续性提供了基础.     

高频金融数据的两种波动率计算方法比较

高频金融数据的波动率计算是近年来国内外的研究热点,"已实现"波动(RV)是基于高频数据的全新波动率度量方法,最近又出现了"已实现"双幂次变差(RBV)的波动率计算方法.针对这两个高频金融波动率计算的热点问题进行了比较,指出RBV在定义形式上比RV所包含的内容更加广泛,除了具有稳健性,还证明了在两种条件下,RBV比RV更有效.     

基于高频数据的沪深股票市场的相关性研究

以往的文献对于股票市场之间的相关性研究大多是基于低频数据的.本文则采用高频金融数据,对上海和深圳股票市场的相关性进行研究.首先提出了基于高频数据的赋权已实现变差估计量和赋权已实现协变差估计量.然后,给出了基于赋权已实现变差和赋权已实现协变差的金融市场之间相关系数的定义.最后,采用Bayes 方法来检测相关系数时间序列的变结构点,来发现金融市场间的相关性是否存在显著变化.通过对上海和深圳股票市场进行的实证研究发现,两个市场的相关系数在变结构点存在显著变化.     

我国蔬菜总产的主成分回归模型的构建及预测

运用主成分分析法把影响我国蔬菜总产的13个因素简化成几个综合的因素，并建立了蔬菜总产的主成分回归模型，为我国蔬菜总产的预测建立了一个简单而又有效的数学模型。表5，参5。     

高频数据的加权已实现极差波动及其实证分析

高频金融时间序列的分析与建模是金融计量学的一个崭新的研究领域。已实现极差波动是针对高频金融时间序列而开发的一种全新的波动率度量方法。文章首先证明了已实现极差波动是比已实现波动更有效的波动估计量。然后基于日内波动的特征。给出考虑“日历效应”的加权已实现极差波动。并说明了已实现极差波动只是加权已实现极差波动的特例。最后。通过对深圳股市实证分析。证实了加权已实现极差波动是比已实现极差波动更有效的波动估计量。     

金融高频数据的偏差校正“已实现”双幂次变差

金融高频数据中微观结构噪声的存在严重影响了金融波动率估计量的准确性.为了消除微观结构噪声给波动率估计量带来的偏差,构建更准确的金融波动率估计量,选取具有稳健性的"已实现"双幂次变差对其做了偏差校正,提出偏差校正的"已实现"双幂次变差,通过定理证明了其渐近无偏性与有效性,并用深证成指的金融高频数据验证了这一理论成果.因此偏差校正的"已实现"双幂次变差是具有稳健性、渐近无偏性与有效性等良好统计性质的金融波动率估计量,它为金融应用研究领域奠定了基础.     

流动性调整地风险价值度量: 基于金融高频数据的实证分析

结合ACD和UHF-GARCH理论构造了适应我国股票市场的日内风险价值WACD(1,1) -UHF-GARCH(1, 1)-IVaR模型,然后引入价格冲击模型构造的流动性度量指标,以浦发银行为例对我国股票市场的流动性日内风险价值进行了实证分析,得出三点结论: 一是我国股票市场的交易持续期具有很强的聚类性;二是高频数据中GARCH效应显著,且利好消息会对等量的利空消息产生更大的波动,但考虑流动性的影响因素后利空利好消息对市场的冲击效果都有明显降低;三是蒙特卡罗模拟结果表明,不考虑流动性影响的风险价值较大幅度地低估了实际损失.     

基于高频极值数据的波动率建模与预测

本文系统性地研究了三种类别的高频极值数据下波动率的建模与预测，即分别基于高频收盘价数据、高频高低价数据、以及高频"开高低收"数据，讨论并完善了相应的连续价格假设下的估计量和跳跃价格假设下的估计量的理论性质，并将基于高频极值数据的各类估计方法统一地扩展为相应的动态预测模型，通过对上证指数及其他几种主要指数的高频数据进行实证分析，揭示出充分地利用高频极值数据信息可以显著地提高波动率的模型拟合效果和样本外动态预测能力.     

Orthogonal discrete frequency coding waveform design based on chaos

Orthogonal waveform design is quite an important issue for waveform diversity systems. A chaos based method for the orthogonal discrete frequency coding waveform (DFCW) design is proposed to increase the insufficient orthogonal waveform number and their finite coding length. Premises for chaos choosing and the frequency quantification method are discussed to obtain the best correlation properties. Simulation results show the validity of the theoretic analysis.     

基于高频夏普指数的组合证券投资模型

资产选择与最优组合权重的设置是构建投资组合的两个关键步骤,利用日内高频数据构建一个夏普指数序列来进行资产选择,同时考虑多种组合策略.以沪市A股市场数据进行样本外实证分析。结果表明,不论市场处于下行还是上行行情,基于高频夏普指数选股方法构建的组合都能得到较高的风险调整收益,并具有较小的风险,同时在最优风险组合下,能得到可观的超额收益.     

基于小波分析的股指期货高频预测研究

基于低频金融数据的预测,在时间上具有长期性,依赖于整体经济环境,不能形成短期内的准确预测.但是由于高频金融时间序列具有非线性、非平稳性以及其特有的日历效应等特性,传统的ARMA模型也无法得到满意的预测结果.本文提出基于小波多分辨率分析的预测方法,将收益率数据分为高频部分(周期性)与低频部分(趋势性),对拆分后的序列进行重构,并对重构后得到的数据分别建立ARMA模型.实证研究表明,小波多分辨率分析能很好地滤出日内效应,由于股指期货独特的市场特征,应将分解层数定为3,分解重构模型可以提高预测精度.     

基于动态分位点回归模型的金融传染分析

金融危机传染检验一直是国际金融研究中的重要问题,大多数传染效应存在性的检验采用相关性方法.本文应用动态平滑数系数分位点回归模型研究不同国家股票市场之间的分位点相关关系,通过系数函数的变化趋势对危机传染问题进行检验和预测.其中在对参数函数进行非参数估计时,应用局部线性回归方法.为了分析亚洲金融危机期间的危机传染问题,对亚洲几个相关国家的指数数据进行了实证分析,实证结果发现,通过分析常数项函数以及系数函数的变化趋势,不仅可以对危机传染问题进行检验,还可以对金融危机传染的发生时刻以及金融危机的缓解时刻进行相应的分析.     

基于图像分割的高频雷达射频干扰提取算法

高频雷达必需射频干扰抑制,而抑制效果常受制于干扰样本质量。针对雷达正常工作如何提取干扰样本的问题,首次提出基于距离-多普勒(range-Doppler, RD)图图像分割的射频干扰提取方法。通过将常规处理的RD图转换为灰度图像,然后设计去海杂波、边缘检测、分段和整段直线检测算法,从而确定干扰边缘线并提取出干扰区域。由此恢复的干扰数据,不受海杂波影响,能够准确估计干扰特性和提高抑制效果。实践表明,该算法准确度高,能提取被海杂波覆盖达75%的干扰线。为验证其应用,采用该算法辅助改进滤波器设计,能够取得良好的干扰抑制效果。     

基于模型转换频率估计的低空目标分类

为解决传统机械扫描预警雷达的低空目标分类问题, 提出一种利用模型转换频率估计的飞鸟与无人机目标分类方法。首先, 建立可能的无人机和飞鸟目标运动模型, 进而对目标轨迹进行多模型滤波和平滑处理。然后, 通过估计目标的模型转换频率实现目标分类。仿真结果验证了所提方法的鲁棒性和有效性, 证明经过平滑处理的目标分类结果优于仅经过滤波处理。针对低空预警雷达在机场和海岸环境中采集的真实数据, 在无人机频繁改变飞行方向模拟飞鸟机动性特征的情况下, 所提方法仍然可以较好地跟踪和区分无人机与飞鸟目标, 大幅降低了雷达系统的虚警率。