股指期货中的高频数据分析

中国科学技术大学

硕士学位论文

股指期货中的高频数据分析

姓名：刘念良

申请学位级别：硕士

专业：概率论与数理统计

指导教师：@

2011-04-01

摘要

随着金融改革的深化及市场竞争的加剧，传统的基本面加技术面的投资分析方法受到了来自新方法的挑战。特别是在高频数据的分析与建模方面，传统的建模方法无法适应高频数据的高峰度、长相依等特征，在分析上存在困难。另一方面，高频数据中包含的微观金融结构，又对理解市场运作方式和机理至关重要。本文基于随机金融间期分析框架，使用密度预估的方法，比较了几种常见的金融间期模型，并使用沪深300股指期货的高频数据进行了实证分析。分析结果表明，在合适的基础分布上，简单直接的ACD即LOG-ACD模型就能得到较好的拟合结果。除此之外，在数据分析和模型验证的过程中，股指期货市场的微观金融结构也显现在我们面前。事实证明，基于随机间期模型的高频数据框架对我国的股指期货市场的分析是有效的，而这一特殊的市场，和以往的单边的，相对低流动性的其它金融市场也存在着很大的不同。

关键词：高频数据 密度预估 ACD模型 股指期货

ABSTRACT

The instant development and intense competition of financial market has changed the traditional investment method of fundamental and technical analysis. More and more often we face the challenges from new method and data. Especially in the field of high frequency data analysis, traditional modeling method can hardly fit the characteristic of high frequency data. On the other hand, micro financial structural in these data is believed to be the key to explain the mechanism of market operation. In this paper we state and compare several autoregression conditional duration process using the DGT density forecast evaluation method on the market data from HS300 stock index futures. The analysis reveals that the straight forward models such as ACD and log-ACD can fit the data quiet well with a proper innovation distribution. And from these models, we can analyse the market from a different way.

Key Words:high frequency data analysis, DGT density evaluation, ACD model, stock index futures

中国科学技术大学学位论文原创性声明

本人声明所呈交的学位论文,是本人在导师指导下进行研究工作所取得的成果。除已特别加以标注和致谢的地方外，论文中不包含任何他人已经发表或撰写过的研究成果。与我一同工作的同志对本研究所做的贡献均已在论文中作了明确的说明。

作者签名：___________ 签字日期：_______________

中国科学技术大学学位论文授权使用声明

作为申请学位的条件之一，学位论文著作权拥有者授权中国科学技术大学拥有学位论文的部分使用权，即：学校有权按有关规定向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅，可以将学位论文编入《中国学位论文全文数据库》等有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。本人提交的电子文档的内容和纸质论文的内容相一致。

保密的学位论文在解密后也遵守此规定。

□公开□保密（____年）

作者签名：_______________ 导师签名：_______________

签字日期：_______________ 签字日期：_______________

第1章绪论

1.1 引言

长期以来，金融市场与统计科学的发展互相渗透，互相促进：统计科学为金融市场的精细分析、提供了理论和实践基础，使其可以不断推陈出新，开发出新的产品和市场策略；而金融市场的发展又不断向统计学提出新的研究课题。其中一个关键的方向就是金融时间序列的建模，以及相应的参数估计和预估问题。ARCH，GARCH等优秀的模型被用来对频度为月、日、小时、分钟的金融事件序列进行建模。围绕着这些模型的理论与实证研究也都得到了丰厚的成果。但是随着信息科学的不断进步，对更高频数据的分析需求进入了我们的视野。遗憾的是，高频数据的一些独有特性使传统的模型和分析方法变得不再适用。Engle与Russell在1998年提出了一种新的高频数据分析框架。在此框架下，许多新的理论结果被提出。但是各个理论间的优劣确很难单从模型本身加以评判，其一是因为各个模型的理论基础和结构组成可能有很大的不同，其二是因为模型是否合适还与其使用的范围或是市场情况息息相关。在欧美成熟市场上得到多次验证的模型，不一定适应发展中金融体的市场。在实证中比较各个模型的优劣，不仅是必要的，而且对理解模型和认识市场有着双重的意义。

在另一方面我国金融市场的飞速发展，不仅使统计量化分析称为可能，也在很大程度上成为必要。本文意图将国外传统的与今年提出关于高频数据的几种模型应用于刚推出的股指期货的高频数据之中，以检验各模型的适用性，并初步考察这个新兴市场的微观性质，为今后进一步的理论研究提供基础。

1.2 股指期货与其它金融衍生品

长期以来，我国的金融市场品种较为单一。以股票二级市场为代表，只有单方向做多，缺少做空机制。基于此，在经过了长期策划和准备，2010年4月16日，中国金融期货交易所终于正式推出了大陆第一个股指期货产品。这一万众瞩目的举动被认为揭开了一个新时代的序幕，量化交易、统计套利等理论概念将更多的通过股指期货以及今后可能发行的其他金融衍生品而进入实战。这些产品的特点，也将越来越需要数理统计的知识，来进行定量的分析。

另一方面，作为一个新兴的产品，股指期货也受益于信息科技的日益发展，其行情发布速度由股票市场的几秒一次提升到了一秒几次。这就使得基于股指期