資源描述：
《高頻數(shù)據(jù)下基于已實(shí)現(xiàn)波動(dòng)率的上證50ETF期權(quán)定價(jià)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、專業(yè)碩士學(xué)位論文高頻數(shù)據(jù)下基于已實(shí)現(xiàn)波動(dòng)率的上證50ETF期權(quán)定價(jià)研究培養(yǎng)單位：金融學(xué)院專業(yè)名稱：金融作者姓名：李超指導(dǎo)教師：余穎豐副教授ResearchonoptionpricingofShanghai50ETFbasedonrealizedvolatilityinhigh-frequencydata.Candidate:LiChaoSupervisor:Prof.YuYingfengCapitalUniversityofEconomicsandBusiness,Beijing,China首都經(jīng)濟(jì)貿(mào)易大學(xué)碩士學(xué)位論文摘要越來越多的研究結(jié)果表明，對(duì)于各種的
2、期權(quán)定價(jià)模型來說，高頻數(shù)據(jù)中蘊(yùn)含了大量的標(biāo)的物價(jià)格走勢(shì)信息，在量化交易中比低頻數(shù)據(jù)涵蓋了更多的信息，因此在期權(quán)研究中越來越多的學(xué)者開始使用高頻數(shù)據(jù)，高頻數(shù)據(jù)在期權(quán)定價(jià)研究中越來越受到重視。使用日內(nèi)高頻數(shù)據(jù)來計(jì)算波動(dòng)率，相比低頻數(shù)據(jù)來說可以取得更好的效果。已實(shí)現(xiàn)波動(dòng)率計(jì)算簡(jiǎn)單，無需參數(shù)估計(jì)，但是在波動(dòng)率預(yù)測(cè)方面效果顯著?？梢姡哳l數(shù)據(jù)的應(yīng)用有著重要的價(jià)值。本文研究中采用高頻數(shù)據(jù)。以上證50ETF期權(quán)為樣本，對(duì)GARV和ARV模型進(jìn)行復(fù)現(xiàn)，對(duì)中國期權(quán)市場(chǎng)的已實(shí)現(xiàn)波動(dòng)率進(jìn)行研究。首先，對(duì)上證50ETF的已實(shí)現(xiàn)波動(dòng)率序列進(jìn)行描述性統(tǒng)計(jì)分析，然后對(duì)上證50ETF期權(quán)
3、進(jìn)行定價(jià)研究，并與傳統(tǒng)模型進(jìn)行進(jìn)行對(duì)比。以期為量化投資科學(xué)決策，提供備選方案，同時(shí)，本文所選用模型算法實(shí)現(xiàn)具有一定的難度，本文的研究是對(duì)該領(lǐng)域現(xiàn)有研究的補(bǔ)充。本文發(fā)現(xiàn)，已實(shí)現(xiàn)波動(dòng)率序列分布呈現(xiàn)尖峰后尾性，且極度右偏。已實(shí)現(xiàn)波動(dòng)率序列不符合正態(tài)分布，而對(duì)已實(shí)現(xiàn)波動(dòng)率取對(duì)數(shù)后發(fā)現(xiàn)，對(duì)數(shù)已實(shí)現(xiàn)波動(dòng)率序列呈現(xiàn)出明顯的波動(dòng)集聚性特征，且服從正態(tài)分布。通過對(duì)2016—2017年兩年的，到期月分別為六月和九月的上證50ETF期權(quán)定價(jià)實(shí)證，通過對(duì)比三個(gè)模型的定價(jià)走勢(shì)和價(jià)差走勢(shì)，可以發(fā)現(xiàn)：由于GARV和ARV模型的波動(dòng)率是不斷變化的，可以隨著時(shí)間的推移而自動(dòng)作出改變，利用已
4、實(shí)現(xiàn)波動(dòng)率進(jìn)行期權(quán)定價(jià)，使用高頻數(shù)據(jù)本身就可以獲得更多關(guān)于資產(chǎn)價(jià)格變動(dòng)的信息，可以隨時(shí)修正模型定價(jià)誤差，這也使得在使用GARV和ARV模型進(jìn)行期權(quán)定價(jià)時(shí)，可以取得比BSM模型更好的效果的原因。關(guān)鍵詞已實(shí)現(xiàn)波動(dòng)率；上證50ETF；上證50ETF期權(quán)；期權(quán)定價(jià)IAbstractAbstractAgrowingnumberofresearchshowsthat,foroptionpricingmodels,highfrequencydatacontainsalargenumberofinformationabouttheunderlyingassets’pric
5、emovement,pricemovementsinthequantitativebusinesscoversmorethanthatwhenusinglowfrequencydata,sointhestudyofoptions,moreandmorescholarsbegantousethehighfrequencydata,highfrequencydatainthestudyofoptionpricinggotmoreandmoreattentions.Usingintradayhighfrequencydatatocalculatevolatili
6、tycanachievebetterresultsthanlowfrequencydata.Thecalculationofvolatilityissimple,noparameterestimationisrequired,buttheeffectofvolatilitypredictionissignificant.Therefore,theapplicationofhighfrequencydatahasprovedimportantvalue.Highfrequencydataisusedinthispaper.TakingShanghai50ET
7、Foptionsassamples,themodelofGARVandARVwasreconstructed,andtherealizedvolatilityofChina'soptionsmarketwasstudied.Firstly,descriptivestatisticalanalysiswasconductedonthevolatilitysequenceofShanghai50ETF,andthenpricingresearchwasconductedonShanghai50ETFoptions,andcomparisonwasmadewit
8、hthetraditionalmodel.Itisexpected
