导读:本文包含了金融波动性论文开题报告文献综述及选题提纲参考文献，主要关键词:MCMC,ARMA-GJR-GARCH,贝叶斯分析,互联网金融
金融波动性论文文献综述
赖欣[1]（2019）在《互联网金融波动性的MCMC算法分析》一文中研究指出基于金融市场的波动聚集、杠杆效应等种种特性,建立ARMA-GJR-GARCH模型并选取互联网金融板块日对数收益率的数据对互联网金融股市的波动性进行分析,采用MCMC方法对模型的参数进行贝叶斯估计以充分利用先验信息和样本信息使参数估计更精确并解决高维数值积分的不便.结果表明:互联网金融板块收益率存在比较明显的杠杆效应,利空消息比利好消息对互联网金融市场产生的冲击更大,且在互联网金融市场中,突发事所引起的风险可以被有效控制.(本文来源于《宜宾学院学报》期刊2019年06期）
滕越[2]（2019）在《金融时间序列高阶矩波动性和多尺度复杂性研究》一文中研究指出现实社会许多复杂系统的输出,在一定程度上表现了复杂系统自身的动态特征——股票指数的波动,人体复杂的生理结构,交通路况的千变万化等。本文研究对象为金融时间序列,我们提出了多种时间序列的研究方法来分析和刻画复杂系统的动态特征。我们主要对金融市场输出的股票指数序列进行研究和讨论,衡量股票指数的一些统计学特征。本论文对叁种研究金融股票时间序列的方法进行了推广和改良:第一种是基于熵值的时间序列复杂性研究方法。熵是衡量时间序列复杂性的常用方法之一,它拥有深刻的物理背景,种类丰富,可以很好的捕捉到系统之间的非线性的关联。第二种是基于高阶矩的去趋势波动分析方法,去趋势波动分析方法是估计非平稳时间序列相关性的有效方法之一,其优势在于能够有效减小序列由局部趋势产生的非平稳性。第叁种是时间序列的局部不可逆性研究,时间不可逆性是非平稳时间序列的重要特征之一,它可以探测非线性动态系统,并刻画系统的不平稳状态。本文共分为六章,组织结构如下:第1章为引言部分。介绍本文的研究背景,研究方法,研究意义以及主要工作。第2章在转移熵的基础上提出了转移熵系数的概念,拓展了转移熵到多标度领域。这种转移熵系数提供了对测量多标度信息流进行评估的方法,是在转移熵方法和多尺度方法的基础上定义的。我们将转移熵系数模型分别应用到模拟生成序列和金融时间序列进行分析和讨论。模拟和实际数据的实验结果同时表明,复杂系统的动态机制不能用单一标度的转移熵进行探测。转移熵系数方法对时间标度同时作用于两个时间序列的转移熵的影响进行分析。第3章研究了一种用于刻画时间序列波动性的方法——去趋势波动分析方法(DFA)。在这一章中,我们将去趋势波动分析方法推广至叁阶矩和四阶矩,分析序列高阶矩的DFA,研究序列在高阶矩上的特性和更丰富的内在结构。叁阶矩反映数据分布非对称程度,四阶矩描述峰值是否突兀或是平坦,他们从不同方面反映了序列高阶矩的波动性特征。第4章将研究时间序列不可逆性推广到多尺度,研究序列在时间反转下的局部动力学不变性。整体可逆的序列不一定局部都可逆,局部不可逆性算法可以刻画时间序列整体与局部不可逆性之间的关系。局部不可逆性算法能有效地讨论随着尺度的变化,时间序列的局部不可逆波动特征。我们将该方法应用于由ARFIMA过程和逻辑映射生成的模拟数据中,来展示不可逆函数如何对多重尺度的变化做出反应。这个该方法也应用于美国、中国和欧洲等一系列金融市场,不同市场的局部不可逆性具有明显的特征。模拟和真实数据验证了局部不可逆性的合理性和适应性。第5章提出广义的近似熵模型,采用累积分布矩阵方法生成阈值r,这种方法由数据自身驱动,短序列同样适用、准确性高。为了使得对系列的动态变化具有更高的灵敏性,基于分数阶微积分的理论,我们将分数维算子引入近似熵模型,同时把分数维近似熵推广到多尺度,研究时间序列在多尺度下更丰富的动力学特征。多尺度分数维近似熵方法是在分数维近似熵方法和多尺度方法的基础上建立的,它提供了对多尺度复杂性的评估和测量。我们采用了模拟数据和真实的股票数据证明了多尺度分数维近似熵的合理性。模拟和股票数据的实验结果证明了该模型对信号演化具有高灵敏度,反映了复杂系统中的分数维近似熵如何在不同的尺度的变化上表现不同的特征,这有助于描述复杂系统的动力学特性。第6章总结了全文。(本文来源于《北京交通大学》期刊2019-05-01）
陈倩[3]（2019）在《我国互联网金融波动性及“脱实向虚”现象的实证研究》一文中研究指出互联网金融是最近几年快速发展起来的一种“互联网+”的新兴金融市场,2013年被称为我国互联网金融元年,2015年就被一些学者们称为是互联网金融的井喷年,这足以看出我国互联网金融发展之快以及势头之猛。“互联网+”的这种金融市场模式满足了我国金融市场上的多元化融资需求,互联网金融从在我国兴起就体现出了其很大的市场发展空间及潜力。特别是对于我国惠普金融的发展以及在缓解我国中小企业融资的难题上,我国互联网金融一直都是被寄予厚望的。政府对于互联网金融发展也是表现出了非常支持的态度,李克强总理连续4年在《政府工作报告》上发表对于规范发展我国互联网金融的报告,提出要构建成熟有效的运行市场机制以及完善的监管体系,让互联网金融更好的服务于我国中小企业实体经济的发展。新事物的产生总是机遇与挑战并存,我国互联网金融的井喷式发展同时也就暴露出了一些挑战和风险隐患。比如,互联网金融井喷式发展地表象下,市场较大的波动、风险防御较弱以及“脱实向虚”的现象就是互联网金融发展道路上的隐患挑战。要想健康稳定地发展我国互联网金融,我们就应该研究清楚我国互联网金融发展的特征以及其存在的问题,这样才能构建适合我国经济环境的互联网金融市场。本文的整体脉络是先对互联网金融的概念定义、起源、发展模式以及其区别于传统金融的特征进行了叙述,之后对我国互联网金融的发展现状进行了整理分析,然后对互联网金融现阶段存在的问题建立计量模型进行实证分析。首先通过建立计量模型GARCH和EGARCH对我国互联网金融的波动性特征以及杠杆效应进行了实证分析,得出其具有波动集群特征以及不具有杠杆效应即风险意识;接着本文建立结构向量自回归SVAR模型,对互联网金融、中小企业发展以及中小板股票市场之间的相互影响机理进行了实证研究,量化分析我国互联网金融“脱实向虚”的经济现象;最后是将得到的实证分析结果结合实际生活中互联网金融环境的现状,为更好地发展我国互联网金融提出相应的政策建议。(本文来源于《东北师范大学》期刊2019-03-01）
袁圆,戚逸康[4]（2019）在《金融危机和地产调控冲击下地产板块和整体股市的波动性研究》一文中研究指出本文采用股票指数数据,通过BEKK-GJR-GARCH模型考察了地产板块和整体股市之间的均值溢出和波动溢出效应,并在此基础上进一步考察了在金融危机发生的特定时间窗口下,两者之间的波动溢出效应。此外,本文在引入表征危机事件和地产调控冲击的虚拟变量之后,考察了冲击对地产板块和整体股市波动性的影响。结果表明,地产板块和整体股市之间存在着显着的波动溢出效应,但两种溢出效应都存在明显的非对称性。地产板块对整体股市的波动溢出持续性很小,但冲击会加剧波动;反之,整体股市对地产板块的波动溢出则具备持续性,冲击更强烈。波动溢出在2008年金融危机和2015年股灾期间存在变化,直接冲击作用均减弱,但非对称性依旧突出。危机和地产调控对于地产板块和整体股市的波动性存在明确影响:直接来看,2010年的房市调控影响幅度最大,超过2015年股灾和2008年金融危机的影响,这一点值得房市调控政策制定者注意;间接来看,六次事件中的五次均对地产板块和整体股市之间的相关性有影响,普遍性很高,因此,风险监管层有必要关注不同冲击下股市内部相关性的变化。(本文来源于《统计研究》期刊2019年02期）
徐欣[5]（2018）在《系统性风险传染的波动性研究——基于金融网络动态关联的视角》一文中研究指出在市场流动性不足的前提下,建立资金融通的金融网络结构可以降低个体机构的破产概率,但转移的风险会通过网络节点之间的关联度和正反馈效应实现交叉传染,从而增加整个市场奔溃的概率。文章通过DCC-MGARCH模型和无向有权型网络阐释了包括银行、证券、保险和多元金融机构在内的金融市场系统性风险的时变机制。实证结果表明金融机构的动态关联能够较好解释系统性风险的波动性,且我国的金融市场符合无标度网络的风险传染特征。其中,银行部门的市场中介地位不断强化,银行与非银行金融机构的联系日益紧密,新型金融机构的发展潜力巨大。因此在系统性风险的监管中应强调关联度指标的重要性和金融机构的网络属性,构建具有风险包容性的金融体系。(本文来源于《南方经济》期刊2018年12期）
李沫,邢炜[6]（2019）在《金融波动性变化对投资率的影响——来自地级市层面的证据》一文中研究指出文章先是通过理论分析发现金融波动通过影响企业投资项目成功概率的途径来影响投资率的高低。进而基于2001-2015年中国286个地级市数据对金融波动性和投资率之间的关系进行了实证检验。通过分析我们发现:第一,金融波动性与投资率之间负相关。第二,金融波动对投资率的影响呈非线性:随着金融波动剧烈程度的增加,金融波动对投资率的抑制效应逐渐减弱。第叁,无论是在东部地区还是在非东部地区,金融波动对投资率的抑制效应都很显着。但是金融波动对投资率的非线性影响在东部地区显着,在非东部地区则不显着,这可能是由东部地区和非东部地区经济发展不平衡所致。(本文来源于《南方经济》期刊2019年02期）
钟意,刘家鹏[7]（2018）在《经济政策不确定性与金融不稳定的波动性外溢研究》一文中研究指出本文基于中国1995至2017年的月度宏观经济数据构建中国金融压力指数,并且使用四种多元GARCH模型探讨金融不稳定、经济政策不确定性与中国GDP增长率之间的动态相关性。实证结果表明,经济政策不确定性以及金融不稳定的变动均对GDP增长率产生显着为负的均值外溢效应,并且经济政策不确定性和金融不稳定之间存在正向的交叉效应和反馈效应,二者同时对GDP增长率产生显着地抑制效应。时变动态条件相关系数以及历史方差分解结果也有力地佐证多元GARCH估计结果。此外,我们使用非对称VAR模型分析不同状况下经济政策不确定性与金融不稳定冲击对宏观经济增长的脉冲响应,发现短期内经济政策不确定性冲击对宏观经济的抑制作用超过金融不稳定冲击对宏观经济的不利影响。(本文来源于《经济问题探索》期刊2018年09期）
左慧敏[8]（2018）在《我国金融市场的波动性对经济增长的影响研究》一文中研究指出波动性是金融市场的一种内在属性,通常表现为金融资产价格的波动程度,金融市场的波动性意味着市场中存在着不确定性或风险。随着金融工具不断创新和金融市场变化日趋复杂,国际金融冲击和国内金融动荡日益频繁。由金融危机引起的金融市场的波动对经济增长造成了相对复杂的影响,这种复杂性主要表现在针对不同的经济金融周期,有着不同的影响效果。因此本文将我国2007年-2017年划分为金融危机和经济新常态两个阶段,通过建立向量自回归模型,实证分析了金融波动对经济增长造成的影响。具体来说,首先通过建立EGARCH模型对我国金融市场的现状进行了分析,并且度量了我国金融市场的波动性;然后利用Copula函数和格兰杰因果检验对我国金融市场的波动性和经济增长之间的关系进行了讨论,最终分阶段对影响效果进行了实证分析。结果显示我国金融市场的波动性对于经济增长的影响总体上表现出滞后性,并且在不同的阶段,其影响效果不同。金融危机发生时,金融市场的波动性会在短期内刺激经济增长,而在经济新常态时期,金融市场上任何的波动都会对经济增长造成负面的影响。因此根据上述结论,本文也有针对性地提出了合理化的建议,对稳定金融市场,促进经济平稳增长具有重要意义。(本文来源于《首都经济贸易大学》期刊2018-06-01）
齐岳,廖科智[9]（2018）在《政策因素、金融危机对中国股市波动性影响——基于ICSS-GARCH模型的分析》一文中研究指出为有效识别影响股市波动性的因素,在此基础上准确判断事件冲击对股市波动性的作用方向与影响程度,本文创新性地利用ICSS算法对国内、区域性和国际股市波动性突变点进行判断。随后对照证券业年鉴、四大证券报及网络搜索结果对股市波动性突变点发生的事件进行梳理和归类,并以此构建ICSS-GARCH模型对影响股市波动性的事件冲击因素进行深入分析。本文发现:(1)国内宏观经济政策、政府工作报告和政府经济预期等政策因素成为影响中国股市波动性突变的主要因素,国际金融危机成为影响中国股市波动性的主要国际事件。(2)相对于区域性和国际因素,国内因素对股市波动性的影响更为显着。(3)股市波动突变性是波动持续性的重要原因,一定程度上解释了股市波动的长期记忆性,考虑股市波动突变性的ICSSGARCH模型的构建有利于预测和控制股市的剧烈波动。(本文来源于《系统工程》期刊2018年04期）
李建辉,李永新,丁毅涛[10]（2017）在《金融市场发展的波动性的定量研究与实证分析》一文中研究指出近年来,金融市场发展的波动性测度逐渐成为这一领域研究的热点问题,为了准确的描述金融市场发展的变化规律,建立了带有GJR-GARCH波动率的资产定价模型,对金融市场波动率的行为和性态以及波动率的影响因素进进行了定量研究。同时选取国内4家银行的股票价格历史数据作为样本,主要对其对数收益率及波动率进行了计算和分析,对理论结果的合理性进行了验证。结果将作为人们深入了解金融市场及合理投资的重要参考。(本文来源于《科技促进发展》期刊2017年12期）
金融波动性论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
现实社会许多复杂系统的输出,在一定程度上表现了复杂系统自身的动态特征——股票指数的波动,人体复杂的生理结构,交通路况的千变万化等。本文研究对象为金融时间序列,我们提出了多种时间序列的研究方法来分析和刻画复杂系统的动态特征。我们主要对金融市场输出的股票指数序列进行研究和讨论,衡量股票指数的一些统计学特征。本论文对叁种研究金融股票时间序列的方法进行了推广和改良:第一种是基于熵值的时间序列复杂性研究方法。熵是衡量时间序列复杂性的常用方法之一,它拥有深刻的物理背景,种类丰富,可以很好的捕捉到系统之间的非线性的关联。第二种是基于高阶矩的去趋势波动分析方法,去趋势波动分析方法是估计非平稳时间序列相关性的有效方法之一,其优势在于能够有效减小序列由局部趋势产生的非平稳性。第叁种是时间序列的局部不可逆性研究,时间不可逆性是非平稳时间序列的重要特征之一,它可以探测非线性动态系统,并刻画系统的不平稳状态。本文共分为六章,组织结构如下:第1章为引言部分。介绍本文的研究背景,研究方法,研究意义以及主要工作。第2章在转移熵的基础上提出了转移熵系数的概念,拓展了转移熵到多标度领域。这种转移熵系数提供了对测量多标度信息流进行评估的方法,是在转移熵方法和多尺度方法的基础上定义的。我们将转移熵系数模型分别应用到模拟生成序列和金融时间序列进行分析和讨论。模拟和实际数据的实验结果同时表明,复杂系统的动态机制不能用单一标度的转移熵进行探测。转移熵系数方法对时间标度同时作用于两个时间序列的转移熵的影响进行分析。第3章研究了一种用于刻画时间序列波动性的方法——去趋势波动分析方法(DFA)。在这一章中,我们将去趋势波动分析方法推广至叁阶矩和四阶矩,分析序列高阶矩的DFA,研究序列在高阶矩上的特性和更丰富的内在结构。叁阶矩反映数据分布非对称程度,四阶矩描述峰值是否突兀或是平坦,他们从不同方面反映了序列高阶矩的波动性特征。第4章将研究时间序列不可逆性推广到多尺度,研究序列在时间反转下的局部动力学不变性。整体可逆的序列不一定局部都可逆,局部不可逆性算法可以刻画时间序列整体与局部不可逆性之间的关系。局部不可逆性算法能有效地讨论随着尺度的变化,时间序列的局部不可逆波动特征。我们将该方法应用于由ARFIMA过程和逻辑映射生成的模拟数据中,来展示不可逆函数如何对多重尺度的变化做出反应。这个该方法也应用于美国、中国和欧洲等一系列金融市场,不同市场的局部不可逆性具有明显的特征。模拟和真实数据验证了局部不可逆性的合理性和适应性。第5章提出广义的近似熵模型,采用累积分布矩阵方法生成阈值r,这种方法由数据自身驱动,短序列同样适用、准确性高。为了使得对系列的动态变化具有更高的灵敏性,基于分数阶微积分的理论,我们将分数维算子引入近似熵模型,同时把分数维近似熵推广到多尺度,研究时间序列在多尺度下更丰富的动力学特征。多尺度分数维近似熵方法是在分数维近似熵方法和多尺度方法的基础上建立的,它提供了对多尺度复杂性的评估和测量。我们采用了模拟数据和真实的股票数据证明了多尺度分数维近似熵的合理性。模拟和股票数据的实验结果证明了该模型对信号演化具有高灵敏度,反映了复杂系统中的分数维近似熵如何在不同的尺度的变化上表现不同的特征,这有助于描述复杂系统的动力学特性。第6章总结了全文。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
金融波动性论文参考文献
[1].赖欣.互联网金融波动性的MCMC算法分析[J].宜宾学院学报.2019
[2].滕越.金融时间序列高阶矩波动性和多尺度复杂性研究[D].北京交通大学.2019
[3].陈倩.我国互联网金融波动性及“脱实向虚”现象的实证研究[D].东北师范大学.2019
[4].袁圆,戚逸康.金融危机和地产调控冲击下地产板块和整体股市的波动性研究[J].统计研究.2019
[5].徐欣.系统性风险传染的波动性研究——基于金融网络动态关联的视角[J].南方经济.2018
[6].李沫,邢炜.金融波动性变化对投资率的影响——来自地级市层面的证据[J].南方经济.2019
[7].钟意,刘家鹏.经济政策不确定性与金融不稳定的波动性外溢研究[J].经济问题探索.2018
[8].左慧敏.我国金融市场的波动性对经济增长的影响研究[D].首都经济贸易大学.2018
[9].齐岳,廖科智.政策因素、金融危机对中国股市波动性影响——基于ICSS-GARCH模型的分析[J].系统工程.2018
[10].李建辉,李永新,丁毅涛.金融市场发展的波动性的定量研究与实证分析[J].科技促进发展.2017
标签：MCMC; ARMA-GJR-GARCH; 贝叶斯分析; 互联网金融;