金融高频数据相关问题研究重点.ppt

目 录 1、现代组合投资理论 Markowitz（1952） 2、资产定价模型（CAPM、APT、B-S） 3、金融市场有效性研究 4、波动率模型（ARCH/GARCH/SV） 5、风险管理（VaR） 风险在某种意义下是可以度量的。 各种风险有可能互相抑制，或者说可能“对冲”。因此，投资不要“把鸡蛋放在一个篮子里”，而要“分散化”。 在某种“最优投资”的意义下，收益大意味着要承担的风险也更大。 一个投资者同时在许多种证券上投资，那么应该如何选择各种证券的投资比例，使得投资收益最大，风险最小。 Markowitz 把证券的收益率看作一个随机变量，而收益定义为这个随机变量的数学期望，风险则定义为这个随机变量的标准差。 如果把各证券的投资比例看作变量，问题就归结为怎样使证券组合的收益最大、风险最小的数学规划。 对每一固定收益都求出其最小风险，那么在风险－收益平面上，就可画出一条曲线，它称为组合前沿。 在证券允许卖空的条件下，组合前沿是一条双曲线的一支；在证券不允许卖空的条件下，组合前沿是若干段双曲线段的拼接。 组合前沿的上半部称为有效前沿。对于有效前沿上的证券组合来说，不存在收益和风险两方面都优于它的证券组合。 由于 Markowitz 问题是线性问题，因而两个有不同收益的解的线性组合就可生成整个组合前沿。 这两个特殊的组合可以看成“基金”。这个结果称为二基金分离定理。它是Tobin (1958) 首先提出的。 Sharpe (1964) 和另一些经济学家，则进一步在一般经济均衡的框架下，假定所有投资者都以 Markowitz 的准则来决策，而导出全市场的证券组合是有效的以及所谓资本资产定价模型 (Capital Asset Pricing Model, CAPM)。这一模型认为，每种证券的收益率都只与市场收益率和无风险收益率有关。 研究不确定性的数学－概率论 Blaise Pascal (1623-1662) 二人掷骰子赌博，先掷满 5 次双 6 点者赢。有一次，A 掷满 4 次双 6 点，B 掷满 3 次双 6 点。由于天色已晚，两人无意再赌下去，那么该怎样分割赌注？ 答案：A 得 3/4, B 得 1/4. 结论：应该用数学期望来定价。 Jacob Bernoulli (1654-1705) 有这样一场赌博：第一次赢得 1 元，第一次输第二次赢得 2 元，前两次输第三次赢得 4 元，……一般情形为前 n 次输，第 n+1 次赢得 元。问：应先付多少钱，才能使这场赌博是“公平”的？ 如果用数学期望来定价，答案将是无穷！ 1738 年发表《对机遇性赌博的分析》提出解决“圣彼德堡悖论”的“风险度量新理论”。指出用“钱的数学期望”来作为决策函数不妥。应该用“钱的函数的数学期望”。 1944 年在巨著《对策论与经济行为》中用数学公理化方法提出期望效用函数。这是经济学中首次严格定义风险。 所谓期望效用函数是定义在一个随机变量集合上的函数，它在一个随机变量上的取值等于它作为数值函数在该随机变量上取值的数学期望。用它来判断有风险的利益，那就是比较“钱的函数的数学期望”。 假定 (x,y,p) 表示以概率 p 获得 x, 以概率 (1-p) 获得 y 的机会，那么其期望效用函数值为 u((x,y,p))=pu(x)+(1-p)u(y). 期望效用函数似乎是相当人为、相当主观的概念。一开始就受到许多批评。其中最著名的是“ Allais 悖论” (1953)。 由此引起许多非期望效用函数的研究，涉及许多古怪的数学。但都不很成功。 Knight 不承认“风险=不确定性”，提出“风险”是有概率分布的随机性，而“不确定性”是不可能有概率分布的随机性。 Knight 的观点并未被普遍接受。但是这一观点成为研究方法上的区别。 1954 年 Arrow 和Debreu 发表一般经济均衡的严格数学公理化证明。 他们在处理不确定性时采用Knight 的观点。光有状态，没有概率。 在20世纪90年代以前，对于金融时间序列的研究通常是以低频数据为主要研究对象。例如前面部分有关收益率、波动率的研究都是基于低频数据下进行的，低频数据(LowFrequencyData)是指以日、周、月、季、年等为抽样频率的数据。 近年来，由于计算机的快速更新换代与计算方法的飞速发展，数据收集、记录、存储和分析的成本大大降低，一些科学领域开始以越来越精细的时间刻度收集数据,这使得学者们研究更高频率的金融数据，即日内数据(Intraday Data)成为了可能。 　 高频数据产生至今，对高频数据的分析研究就成为金 融研究领域的热点问题之一。结合金融学，计量经济学，时 间序列分析，统计学等理论，国内外众多学者从不同的角度 对高频数据进行金