异质金融市场驱动的高维高频波动率矩阵模型及其应用研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    71201147
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    19.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    G0105.管理统计理论与方法
  • 结题年份:
    2015
  • 批准年份:
    2012
  • 项目状态:
    已结题
  • 起止时间:
    2013-01-01 至2015-12-31

项目摘要

High-dimensional volatility matrix is the basic and kernel element for importent financial theories and activities concluding high-dimensional asset allocation、asset pricing and risk management. Its estimation and modelling is always the focus in reletive research. The project is to thoroughly and systematically research on high-dimensional and high-frequency volatility matrix models driven by heterogeneous market. Models the project proposed are flexible and easy realized; can use abundant direct information about volatility; by combining with heterogeneous market hypothesis, can deal with two problems faced by traditional low-frequency models , i.e. lackness of economical interpretations and dimension curse; provide probability to explore the microstructural fator in price fluctuation. The content of this project is divided into three parts. The first one is to propose blocking synchronization approach, and based on it, develop methodologies for estimating high-dimensional and high-frequency volatility matrix. The second one is to construct a system of heterogeneous market-driven factors, develop the factor analyses for volatility matrix, and build high-dimensional and high-frequency volatility matrix models. The last is to build the bootstrap estimator and hypothesis testing model for VaR and CVaR of high dimentional Portfolio based on united mean-volatility model of high dimentional return ratio. The research achievements of the project will establish a complete system of basic theories and applications of high-dimensional and high-frequency volatility matrix models.
高维波动率矩阵是高维资产配置、资产定价及风险管理等重要金融理论和活动的基础与核心要素,其估计与建模一直是相关研究的重点。本项目对异质市场驱动的高维高频波动率模型及其应用展开深入系统研究。提出具有建模灵活且易于实现、可利用直接丰富波动信息等优势的高维高频波动率矩阵模型,其与异质市场假说的结合,解决传统低频模型存在的经济解释欠缺性和维数灾难两大问题,并为探寻价格波动的微观结构因素提供可能。研究内容分为:(1)非同步和微观结构噪声下,分块式同步化技术,及在此基础上高维高频波动率矩阵估计问题研究;(2)构建高维高频波动率矩阵的异质市场驱动因素体系,完善和发展波动率矩阵因子分析技术,建立高维高频波动率模型;(3)基于高维收益率均值-波动率联合模型,建立高维资产组合VaR和CVaR 的Bootstrap估计与检验模型。项目研究成果将形成一个完整的高维高频波动率矩阵模型基础理论和应用体系。

结项摘要

本研究对异质市场驱动的高维高频波动率模型及其应用展开了深入系统的研究,得到如下研究结果:(1)借助聚类分析手段,完善了已有分块式同步化技术,并提出新的适用于高频极差分析的同步化技术;(2)借助资产间协方差公式的分解,提出了基于极差的协方差阵估计技术及其相应的纠偏技术;该技术可更有效地利用日内丰富的波动信息;(3)通过在现有的CAW模型中引入我们构建的三级异质市场驱动因素体系,形成新的HAR-CAW-L-M模型。该波动率矩阵模型具有较好的经济意义,其直接基于波动率矩阵的建模可一定程度上缓解“维数危机”问题。其进一步与矩阵型因子分析的结合,可起到矩阵降维作用。(4)编写了一整套相关模型的计算实现程序,并据此展开了协方差矩阵估计技术的数值模型研究,结果发现与现有基于收益的估计相比,我们所提估计的偏差、均方误差等指标表现更优;(5)展开了各模型在组合资产配置、套期保值、波动溢出等金融问题中的应用研究及其实证分析,研究结果表明我们所提模型要优于各传统模型。

项目成果

期刊论文列表
专著列表
科研奖励列表
会议论文列表
专利列表
基于美式期权模拟的复合实物期权仿真定价研究
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    系统科学与数学
  • 影响因子:
    --
  • 作者:
    任培民;赵树然
  • 通讯作者:
    赵树然
高频波动率矩阵估计的比较分析——基于有噪非同步的金融数据
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    中国管理科学
  • 影响因子:
    --
  • 作者:
    赵树然;姜亚萍;任培民
  • 通讯作者:
    任培民
基于ECM模型的期货动态VaR套期保值
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    统计与决策
  • 影响因子:
    --
  • 作者:
    赵树然;段丹丹
  • 通讯作者:
    段丹丹

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

右删失情形下平均生存时间的加权Bootstrap推断
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    系统科学与数学
  • 影响因子:
    --
  • 作者:
    丁晓波;徐兴忠;赵树然
  • 通讯作者:
    赵树然
金融高频数据的风险价值研究——基于非参数法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    山西大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    赵树然;任培民;赵建昕
  • 通讯作者:
    赵建昕
基于半参数极值理论的高频数据风险价值研究
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    河南科技大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    任培民;何思园;赵树然
  • 通讯作者:
    赵树然
删失回归模型的加权Bootstrap逼近
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    北京理工大学学报
  • 影响因子:
    --
  • 作者:
    赵树然;徐兴忠;任培民
  • 通讯作者:
    任培民

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

赵树然的其他基金

基于异质关联网络理论的高维组合日内风险度量与网络传染分析
  • 批准号:
    72271224
  • 批准年份:
    2022
  • 资助金额:
    46 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码