基于高频数据的中国股票价格跳跃实证研究的中期报告.docxVIP

基于高频数据的中国股票价格跳跃实证研究的中期报告 本报告基于高频数据（分钟级别）对中国股票市场价格跳跃进行了实证研究。本文首先回顾了国内外相关文献，分析了价格跳跃的形成机制和特征。然后介绍了使用高频数据进行实证研究的方法，包括数据获取、预处理、模型构建和评估等步骤。接着，我们使用自回归条件异方差(ARCH)模型和广义自回归条件异方差(GARCH)模型分别对样本数据进行了建模和估计，并且在不同的模型和参数设置下进行了模型比较。最后，本文对实证结果进行了分析和讨论，包括价格跳跃的频率和幅度、市场情绪对价格跳跃的影响以及其他相关问题。 实证结果表明，在分钟级别的高频数据下，中国股票市场存在着显著的价格跳跃现象，并且这种现象呈现出较明显的自相关性和异方差性。同时，我们发现，市场情绪对价格跳跃有着显著的影响，且这种影响在不同的市场状态下表现出不同的特征。比较不同的模型和参数设置发现，GARCH模型相对于ARCH模型具有更好的拟合效果和预测能力。本文的实证结果对于深入理解中国股票市场的价格跳跃机制和规律具有一定的参考价值，同时也为投资者和相关从业人员提供了一些实践上的启示和建议。需要进一步探讨和研究的问题包括如何更好地刻画价格跳跃的动态特征和市场情绪的变化以及如何应用这些分析结果进行更准确和有效的投资决策。