论文部分内容阅读
本文选取沪深300股指期货10个交易日每秒两笔的日内高频数据作为研究对象,研究了高频日内收益率分布特征,发现日内高频数据有波动率聚集现象但其分布并没有尖峰后尾现象。我们通过自相关函数和偏自相关函数发现日内高频收益率存在较强的自相关性。文章运用EACF方法确定了各样本ARMA的阶数,并通过最小二乘法估计了各模型系数。研究发现,ARMA模型能够很好地消除股指期货日内收益率的相关性,即能够刻画股指期货日内收益率的动态变化过程。最后我们利用已经估计的ARMA模型对收益率做了预测。