基于高頻數據的金融市場波動溢出分析

楊伊楊

摘要：對金融市場的發展規律以及波動溢出情況作出分析，能夠切實維護金融市場的安全，有效規律金融風險。因此，文章通過闡述了高頻數據及金融市場波動溢出含義，分析了高頻數據的計算內容和波動溢出分析，聯系實際，提出了高頻數據的分析研究對我國金融市場發展的啟示。

關鍵詞：高頻數據；金融市場；波動溢出；內容分析

高頻數據作為新型的分析計算模式，由于改變了時間刻度，實現了精準測量，因此，在金融市場的分析過程中有著廣泛的應用。隨著我國市場經濟的不斷發展，我國在金融市場波動溢出分析中的研究內容尚不夠完善，只有在實際的應用過程中，不斷加大高頻數據的應用力度，才能有效發揮出金融市場研究的作用。

一、高頻數據及金融市場波動溢出含義

（一）高頻數據

高頻數據是指在交易數據的統計與分析過程中將時間間隔大大縮短的金融計算模式，傳統的交易數據分析通常以日為單位，但是隨著金融工具的不斷創新和發展，依靠于信息技術，在數據的收集與分析過程中，可以依靠建立大型的交易數據庫實現高頻數據分析，高頻是相對于傳統數據分析模型而言的，通常將交易計算單位頻率控制在30分鐘、60分鐘每次，根據用戶的實際需要，可以進行靈活的調整，由于豐富了時間刻度收集模式，使得高頻數據能夠有效的反應出金融市場的變化規律，能夠有效分析并控制引發金融市場變化的因素，同時，利用高頻數據，能夠實現多筆交易的同時進行，促進了金融市場的良好發展，同時，也降低了金融市場交易過程中存在的誤差。

（二）金融市場波動溢出

金融市場的波動溢出是金融市場的相關性內容之一，在一個金融市場環境及發展趨勢產生變化時，由于金融市場的作用力，使得這種變化趨勢能夠順勢蔓延，進而影響到其他金融市場的過程。在金融市場的變化中，信息是主要的影響因素之一，且隨著金融市場的日趨成熟，大型的交易行為往往同時發生，這就使得依靠于原有的交易數據分析模式，難以完整、有效的反應出信息的變化，同時對于信息的采集力度不強，容易造成關鍵信息的丟失，信息數據的不完善，在金融決策環節無法提供可靠的數據支持，造成金融發展不受控制，造成行業的環境過于混亂，容易導致金融危機的產生。因此，通過簡單的分析可以知道，基于先進高頻數據分析模型，對于金融市場波動溢出分析具有積極的作用。

二、高頻數據的計算內容

（一）高頻數據的收益率

高頻數據在實際的交易應用過程中，通常采用固定的時間序列，如在交易市場中，通常采用30分鐘為一個時間序列，根據股票市場價格的不斷波動，在收盤時確定收盤價格，如果在一個時間序列中，沒有產生交易行為，則股票市場的收盤價格依照于上個時間序列的收盤價格來確定，因此，在實際的金融市場應用過程中，通過高頻數據確定一個時間序列的收益率尤為重要，根據價格的變化進行設計模型，依照收益率的變化，可以得到如下公式：

其中，Rt，n為實際收益率，Pt+n/N是金融市場變化的起始數據，Pt+（n-1）/N是金融市場變化的終止數據，N為時間序列的個數，n為日時間序列號。

（二）高頻數據的波動率

在高頻數據的分析過程中，對于套利等金融操作無法做出有效的篩選，因此，在實際的計算分析過程中，必須要假定金融環境足夠安全，不存在非法套利的現象，因此，可以將對數收益率的計算等同于特殊半鞅過程，根據基本數學模型，設p（t）為完整市場變化過程中的資產對數價格，p（t-Δ）為該時間序列中的所有信息的集合，可以得出下列公式用以計算出一個時間序列過程中的對數收益率：

其中，Δ表示時間間隔，且Δ>0。因此，根據收益率和對數收益率之間的關系，我們可以確定出實際收益方差與收益標準之間存在正態分布的關系，因此可以將收益率同收益標準作比，比值即為波動率。

三、基于高頻數據的金融市場波動溢出分析

（一）診斷分析

由于市場變化存在一定的不規律性，用傳統的數學方法難以實際確定金融市場的波動溢出關系，從而無法切實診斷出金融市場的變化規律。因此，可以根據新型的模型結構變化點檢測法，構造線性檢驗模型，利用貝葉斯定理，有效檢測出在一個時間序列中的不穩定變量個數，從而診斷出高頻數據模型的穩定性，確定模型各結構點的波動率變化情況。模型結構變化點檢測法，檢測方式簡單，檢測項目易于操作，且應用范圍極廣，在實際高頻數據分析的應用過程中，不僅能夠估算出位置的結構點數目，同時根據收益率公式，能夠計算出多個變量之間的波動情況，有效診斷金融市場的波動溢出情況，促進金融市場的良性發展。

（二）相關性分析

在動態條件相關性分析中，金融市場存在較大的差異性，以人民幣匯率市場為基準，可以發現，債券市場與股票市場在波動溢出關系中存在一定的相關性，基于一般的市場作用解讀，股票市場和債券市場本身就具有一定的動態性發展，在流動性上，能力也較強于人民幣匯率市場，因此，盡管上述的金融市場的波動溢出關系明顯，但是作用力卻近乎于零，相關性分析不僅要參照與金融市場之間的聯系，同時還要對自身金融市場的動態性發展做出分析，從而明確風險及危機的來源是否由其他金融市場所引起的。

（三）判斷分析

判斷分析實際上是對相關性分析的有效補充，即判斷一個金融市場的波動溢出情況是否對其他金融市場造成影響的過程。因此，在實際的高頻數據應用的過程中，必須將模型的結構點同金融市場的關鍵變量進行有效的連接，假設P點出現了波動溢出的情況，那么根據波動溢出的線性關系，則在變化過程中，出現（0，1）無條件正態分布。因此，只有當波動溢出軌跡無限趨近于P點時，則可以初步判定為波動溢出關系確實存在，而當波動溢出軌跡平行或背離經過原P點的發展軌跡時，則要考慮其他變量因素，如股票市場自身的動態發展規律等。

四、高頻數據的分析研究對我國金融市場發展的啟示

目前，高頻數據應用范圍雖廣，但是應用深度卻存在需要完善的諸多地方，在信息技術不斷創新和發展的當下，大數據時代已經到來，如果不能加強對于高頻數據的分析研究重視力度，那么則在金融市場日新月異的發展過程中，無法依靠于先進的計算設備和計算理念，有效規避金融市場潛在的風險，從而造成金融市場發展緩慢、金融市場環境惡化的局勢。為了能夠有效規范金融市場的發展，必須要根據我國金融發展的現狀，利用先進的金融計算工具，對我國金融市場的高頻數據研究進行實地的分析，注重微觀結構的變化，從金融市場的價格波動以及相關性、流動性等方面進行綜合分析，并利用數學手段進行建模，在實際的交易行為中分析金融市場各變量之間的關系，了解金融市場的變化規律，同我國市場經濟的發展模式相結合，不斷探索出有效的應對機制，通過不斷擴大金融市場的范圍，創新金融發展模式，助力于我國經濟建設。

五、結語

綜上所述，高頻數據研究必須要根據我國實際的金融環境，結合我國實際的經濟發展情況，才能有效制定出金融發展應對機制，才能有效的規避金融市場的潛在風險，維護我國金融環境的安全，助力于我國市場經濟的建設。

參考文獻：

[1]熊正德，文慧，熊一鵬.我國外匯市場與股票市場間波動溢出效應實證研究——基于小波多分辨的多元BEKK-GARCH（1，1）模型分析[J].中國管理科學，2015（01）.

[2]楊東曉.股指期貨與股指現貨之間價格發現與波動溢出效應研究——基于滬深300股指期貨高頻數據的實證分析[J].山東大學學報（哲學社會科學版），2015（05）.

[3]楊瑞杰，張向麗.滬港通對大陸、香港股票市場波動溢出的影響研究——基于滬深300指數、恒生指數高頻數據[J].金融經濟學研究，2015（06）.

[4]西村友作，孫便霞，門明.全球金融危機下的股票市場波動跳躍研究——基于高頻數據的中美比較分析[J].管理工程學報，2012（02）.

[5]朱莉.高頻股指期現貨市場多尺度波動溢出效應分析——基于集合經驗模式分解和CCF檢驗[J].現代財經（天津財經大學學報），2016（01）.

[6]張孝巖，沈中華.股指期貨推出對中國股票市場波動性的影響研究——基于滬深300股指期貨高頻數據的實證分析[J].投資研究，2011（01）.

（作者單位：美國科羅拉多大學）