基干高频数据金融市场波动溢出探析.docVIP

基于高频数据的金融市场波动溢出分析 　　摘要：对金融市场的发展规律以及波动溢出情况作出分析，能够切实维护金融市场的安全，有效规律金融风险。因此，文章通过阐述了高频数据及金融市场波动溢出含义，分析了高频数据的计算内容和波动溢出分析，联系实际，提出了高频数据的分析研究对我国金融市场发展的启示 关键词：高频数据；金融市场；波动溢出；内容分析 高频数据作为新型的分析计算模式，由于改变了时间刻度，实现了精准测量，因此，在金融市场的分析过程中有着广泛的应用。随着我国市场经济的不断发展，我国在金融市场波动溢出分析中的研究内容尚不够完善，只有在实际的应用过程中，不断加大高频数据的应用力度，才能有效发挥出金融市场研究的作用 一、高频数据及金融市场波动溢出含义 （一）高频数据 高频数据是指在交易数据的统计与分析过程中将时间间隔大大缩短的金融计算模式，传统的交易数据分析通常以日为单位，但是随着金融工具的不断创新和发展，依靠于信息技术，在数据的收集与分析过程中，可以依靠建立大型的交易数据库实现高频数据分析，高频是相对于传统数据分析模型而言的，通常将交易计算单位频率控制在30分钟、60分钟每次，根据用户的实际需要，可以进行灵活的调整，由于丰富了时间刻度收集模式，使得高频数据能够有效的反应出金融市场的变化规律，能够有效分析并控制引发金融市场变化的因素，同时，利用高频数据，能够实现多笔交易的同时进行，促进了金融市场的良好发展，同时，也降低了金融市场交易过程中存在的误差 （二）金融市场波动溢出 金融市场的波动溢出是金融市场的相关性内容之一，在一个金融市场环境及发展趋势产生变化时，由于金融市场的作用力，使得这种变化趋势能够顺势蔓延，进而影响到其他金融市场的过程。在金融市场的变化中，信息是主要的影响因素之一，且随着金融市场的日趋成熟，大型的交易行为往往同时发生，这就使得依靠于原有的交易数据分析模式，难以完整、有效的反应出信息的变化，同时对于信息的采集力度不强，容易造成关键信息的丢失，信息数据的不完善，在金融决策环节无法提供可靠的数据支持，造成金融发展不受控制，造成行业的环境过于混乱，容易导致金融危机的产生。因此，通过简单的分析可以知道，基于先进高频数据分析模型，对于金融市场波动溢出分析具有积极的作用 二、高频数据的计算内容 （一）高频数据的收益率 高频数据在实际的交易应用过程中，通常采用固定的时间序列，如在交易市场中，通常采用30分钟为一个时间序列，根据股票市场价格的不断波动，在收盘时确定收盘价格，如果在一个时间序列中，没有产生交易行为，则股票市场的收盘价格依照于上个时间序列的收盘价格来确定，因此，在实际的金融市场应用过程中，通过高频数据确定一个时间序列的收益率尤为重要，根据价格的变化进行设计模型，依照收益率的变化，可以得到如下公式： 其中，Rt，n为实际收益率，Pt+n/N是金融市场变化的起始数据，Pt+（n-1）/N是金融市场变化的终止数据，N为时间序列的个数，n为日时间序列号 （二）高频数据的波动率 在高频数据的分析过程中，对于套利等金融操作无法做出有效的筛选，因此，在实际的计算分析过程中，必须要假定金融环境足够安全，不存在非法套利的现象，因此，可以将对数收益率的计算等同于特殊半鞅过程，根据基本数学模型，设p（t）为完整市场变化过程中的资产对数价格，p（t-Δ）为该时间序列中的所有信息的集合，可以得出下列公式用以计算出一个时间序列过程中的对数收益率： 其中，Δ表示时间间隔，且Δ0。因此，根据收益率和对数收益率之间的关系，我们可以确定出实际收益方差与收益标准之间存在正态分布的关系，因此可以将收益率同收益标准作比，比值即为波动率 三、基于高频数据的金融市场波动溢出分析 （一）诊断分析 由于市场变化存在一定的不规律性，用传统的数学方法难以实际确定金融市场的波动溢出关系，从而无法切实诊断出金融市场的变化规律。因此，可以根据新型的模型结构变化点检测法，构造线性检验模型，利用贝叶斯定理，有效检测出在一个时间序列中的不稳定变量个数，从而诊断出高频数据模型的稳定性，确定模型各结构点的波动率变化情况。模型结构变化点检测法，检测方式简单，检测项目易于操作，且应用范围极广，在实际高频数据分析的应用过程中，不仅能够估算出位置的结构点数目，同时根据收益率公式，能够计算出多个变量之间的波动情况，有效诊断金融市场的波动溢出情况，促进金融市场的良性发展 （二）相关性分析 在动态条件相关性分析中，金融市场存在较大的差异性，以人民币汇率市场为基准，可以发现，债券市场与股票市场在波动溢出关系中存在一定的相关性，基于一般的市场作用解读，股票市场和债券市场本身就具有一定的动态性发展，在流动性上，能力