基于超高频数据的金融市场风险度量方法研究.docxVIP

基于超高频数据的金融市场风险度量方法研究 目前，中国的金融研究通常使用低频收入数据，这将不可避免地导致中国日内信息的损失。一般而言, 金融市场上的信息连续影响金融资产价格变化的过程, 离散模型必然会造成信息的丢失, 数据频率越低, 则信息丢失就越多。因此, 考虑基于分钟、小时甚至秒、分笔等 (超) 高频数据计算Va R, 无疑为深化对金融市场微观结构的认识, 提高金融风险测度的准确性提供了一个新的思路和方法, 具有一定的理论价值和实际意义。 一、 高频国家数据计算模型中的应用 国内外专家学者对基于高频数据的金融市场Va R计算进行了深入的研究, 使用模型和方法不外乎两类:一类是在低频数据Va R模型上的扩展和移植。有些低频数据模型被成功地扩展到对高频数据Va R的建模, 如分布拟合法、历史模拟法等;也有些模型不能被用到高频数据建模, 如GARCH族模型, 在较低频率的数据中, GARCH模型可以很好地刻画一些峰度较大的数据特征, 但如果峰度达到了100以上, 那GARCH模型就远远不能刻画了。Anderson and Bollerslev (1998) 实证表明, 随着数据频率的增加, 峰度也是随之增加的, 到分钟数据, 峰度就已经达到了100以上了。另一类是基于 (超) 高频数据计算Va R模型的创新。根据数据频率的相对高低, 我们可以把这类模型分为高频数据模型和超高频数据模型