《基于高频数据的中国股市波动率研究》主要着眼于中国金融市场中的股票市场，从日内高频数据人手，在总结大量国内外相关文献、跟踪学界最新研究动态的基础上，将国际上先进的各种波动率模型应用于中国股票市场上，使用包含着丰富信息的日内高频数据，力图全面、综合地了解中国股市波动动态特征，寻找最适合中国股市的波动率模型。
作者简介
作者：（日本）西村友作

西村友作（1974—），男，出生于日本熊本县。2002年9月来华留学，2010年6月于对外经济贸易大学国际经济贸易学院获得经济学博士学位。现任对外经济贸易大学国际经济研究院副教授，立命馆大学客座研究员。主要研究方向为金融市场，金融风险管理与金融时间序列分析。近年在国内外学术期刊发表中英日论文30多篇。
目录
第1章 绪论
1.1 研究背景
1.2 波动率研究的发展与现状
1.3 本书的框架结构
第2章 已实现波动测度：已实现波动率与已实现极差波动率
2.1 引言
2.2 已实现波动率与已实现极差波动率的理论背景及其比较
2.3 已实现波动率与已实现极差波动率所面临的问题及其对策
2.4 已实现波动测度模型
2.5 中国股票市场日收益率与已实现波动测度的统计特征
2.6 已实现波动测度在中国股票市场的应用
2.7 本章小结
第3章 ARCH类模型
3.1 引言
3.2 ARCH类模型简介
3.3 ARCH类模型估计方法
3.4 ARCH类模型在中国股票市场的应用
3.5 其他分布假设下的ARCH类模型
3.6 本章小结
第4章 波动预测比较分析
4.1 引言
4.2 文献综述
4.3 波动预测能力的比较及其评价方法
4.4 实证分析
4.5 本章小结
第5章 VaR预测比较分析
5.1 引言
5.2 文献综述
5.3 VaR预测及其评价方法
5.4 实证分析
5.5 本章小结
第6章 高频数据波动率在跳跃扩散过程的应用
6.1 引言
6.2 跳跃扩散过程的理论背景
6.3 分析方法
6.4 实证检验结果
6.5 不同发展阶段的股市波动跳跃分析
6.6 本章小结
第7章 日内波动率动态分析
7.1 引言
7.2 日内收益率序列的描述性分析与日内动态特征
7.3 基于FFF的日内周期性的剔除
7.4 日内波动率的估计与特征分析
7.5 日内波动率与日内交易量的动态相关特征分析
7.6 本章小结
第8章 结束语
8.1 总结
8.2 研究展望
附录
附录A ARFlMA模型估计方法
附录B Ljung—Box检验与Diebold（1988）的修正Ljung—Box统计量
附录C Andersen，Bollerslev and Diebold（2007）的模型检验结果
参考文献
中文文献
日文文献
英文文献
股