文档介绍：基于独立成分分析的多维高频数据波动分析摘要在世界经济一体化的背景下,我国金融市场与国际市场之间的联系也越来越紧密,股票市场作为我国金融市场的重要组成部分越来越受到各方的关注。我国股票市场正处于不断发展与完善的阶段,各方参与者必须充分认识到股票市场的风险,同时需具有较强的风险防控意识。资产的风险主要表现在它收益率的波动上,在对资产进行风险管理时往往需要借助对它们收益率波动的相关分析来进行。用于金融资产收益率波动分析的模型主要有GARCH模型和SV模型。多元 GARCH模型的提出及发展为多维资产收益率波动的研究提供了一个很好的工具。本论文在对多元GARCH模型进行简单综述的基础上将其引入到高频金融资产收益率的实证研究中,-GARCH模型和基于独立成分分析0CA)的ICA—GARCH模型对白银概念股中的豫光金铅和铜陵有色等8个股票的五分钟的收益率序列进行了估计。实证结果表明这8个概念股之间存在波动相关性,且这种相关性是随着时间改变而改变的,DCC—GARCH模型和ICA—GARCH模型都能很好地对这种相关性进行刻画,而通过比较这两个模型的残差自相关性发现ICA-GARCH模型具有更好的拟合优势,且运行速度更快。同时,我们还将ICA引入到了多维资产的“已实现’’仂、方差矩阵的研究中,构建了具有长记忆性的ICA—ARFIMA模型对多维资产高频收益率序列进行分析。通过ICA处理将多维资产收益率序列转换为几个相互独立的成分,然后分别计算各独:立成分的“己实现”波动率并进行相关模型估计,从而达到简化模型参数估计的目的。通过实证发现独立“已实现”波动率和对数独立“已实现”波动率都具有显著的长记忆性,“已实现”协方差矩阵进行估计。此外,我们将ICA—ARFIMA模型估计得到的“已实现”波动率引入到了风险价值VaR的计算中。实证结果表明ICA—ARFIMA模型得到的波动率能够很好地对资产收益率的风险进行刻画,比直接利用原收益率序列估计得到的VaR值有更高的估计精度。关键词:独立成分分析;长记忆性;DCC—GARCH;ICA—GARCH; ICA—ARFIMA;VaR VOLATILI TY MODELING OFHIGH—FREQUENCY INTR ADAY DATA BASED 0N INDEPENDEN |PONENTS ANALYSIS AB STRACT With theintegration oftheworld economy,the connection between financialmarkets both athome and abroad ing an ponent inChina's financialmarket,more and more attentionsarepaid addition,the stockmarket isin thedeveloping and improving,all participants should befully aware of theriSl(sof andhave astrong awareness ofrisk prevention. Volatility modeling isveryimportant inthemanagement Generalized Autoregressive Conditional Heteroskedasticicy(GARCH) model and Stochastic Volatility(sv)model arethe most important volatility models of financial time series the case of multivariate,GARCH model isgeneralized tothemukivariate Multivariate GARCH model plays asignificant roleintheasset allocation and portfolio thispaper,we inctly summary the development oftheMultivariate GARCH model and thenapply them to analyze thevolatility using DCC—GARCH model withdynamic correlationand ICA—GARCH model