基于超高频数据的中国股指期货日内VaR度量研究.pdf

硕士学位论文





基于超高频数据的中国股指期货
日内 VaR 度量研究





作 者 姓 名 陈 泽 伟
学 科 专 业 金 融 学
指 导 教 师 于 孝 建 副教授
所 在 学 院 经 济 与 贸 易 学 院
论 文 提 交 日 期 2017 年 5 月
The intraday VaR measure of Chinese index future based
on ultra-high frequency data


A Dissertation Submitted for the Degree of Master




Candidate：Chen Zewei
Supervisor：Associate Prof. Yu Xiaojian






South China University of Technology
Guangzhou, China
分类号： 学校代号：10561
学 号 ：201420131804


华南理工大学硕士学位论文


基于超高频数据的中国股指期货
日内 VaR 度量研究





作者姓名：陈泽伟 指导教师姓名、职称： 于孝建 副教授
申请学位级别：经济学硕士 学科专业名称：金融学
研究方向：金融工程
论文提交日期：2017 年 4 月 11 日 论文答辩日期：2017 年 5 月 25 日
学位授予单位：华南理工大学 学位授予日期： 年 月 日
答辩委员会成员：
主席： 蒋海教授

委员： 何剑教授 田秋生教授 徐枫教授 钟永红副教授
摘要
随着中国证券市场的发展，金融衍生工具越来越丰富，市场的波动也越来越大，对
于风险的度量以及控制变得尤为重要。传统的以日间的交易数据作为度量风险的样本数
据，容易忽略日内交易信息，导致在风险的度量产生较大的误差。超高频交易数据（以
下简称高频数据），记录交易标的每一分笔交易的具体信息，包含了更丰富的波动信息，
比如更及时更准确的记录日内波动振幅。因此，寻求合适有效的高频数据风险度量模型，
将有助于投资者了解风险，便于监管层更好地把控风险。
传统的 GARCH 类模型以固定时间间隔的交易数据为研究对象，而高频数据以事件
的发生至结束为界限，一般都是不固定时间间隔的。因此，本文将采用适用不固定时间
间隔的对数自回归条件持续时间模型（Log-ACD 模型）以及考虑了事件变动方向的非对
称性自回归条件持续时间模型（AACD 模型），与传统的 AR-GARCH 模型一起，分别估
计三个模型的日内 VaR 值，并比较不同模型间估计风险的能力。
本文以沪深 300 股指期货主力合约为代表，对我国证券市场的日内风险进