调整"已实现"波动率与GARCH及SV模型对波动的预测能力的比较研究

高频金融时间序列的分析与建模是金融计量学的一个全新的研究领域，“已实现”波动率是针对高频金融时间序列的一种全新的波动率的度量方法。为了降低“已实现”波动的测量误差，提出更有效的调整“已实现”波动。针对调整“已实现”波动的长记忆性和“杠杠”效应建立ARFIMAX模型。通过设定一系列标准，全面比较基于调整“已实现”波动的ARFIMAX模型、GARCH模型以及SV模型的预测能力。     

中国股市高频波动率的特征、预测模型以及预测精度比较

在HAR-GARCH模型和HAR-CJ模型的基础上构建了自适应的不对称性HAR-CJ-D-FIGARCH模型, 并用以对中国股市高频波动率进行了预测, 然后利用上证综指2000年至2008年的高频数据实证检验了中国股市高频波动率的特征, 最后运用SPA检验评价和比较了构建的模型与其他6类高频波动率模型的样本外预测能力. 结果表明: 中国股市高频波动率同时具有长记忆性、 结构突变、不对称性和周内效应等特征; 结构突变仅部分解释其长记忆性; 高频波动率连续性成分的长记忆性很强, 而跳跃性成分的长记忆性非常弱. 相比于其他6类模型, 自适应的不对称性HAR-CJ-D-FIGARCH模型对样本内数据的拟合效果最好, 同时也是样本外预测性能最好的模型.     

高频时间序列的改进"已实现"波动特性与建模

高频时间序列的分析与建模是金融计量学的一个全新的研究领域，“已实现”波动是针对高频金融时间序列的一种全新的波动率度量方法．证明了“已实现”波动的极限性质，对“已实现”波动的计算方法进行了修正，得到了更有效的改进“已实现”波动．在综合考虑微观结构误差和测量误差的基础上，定义了最优抽样频率．通过蒙特卡罗模拟，说明改进“已实现”波动是比“已实现”波动更有效的估计方法．研究了上海股市的“已实现”波动和改进“已实现”波动的特性，并针对改进“已实现”波动的长记忆性和“杠杆”效应建立了ARFIMAX模型．     

基于小波变换的LMSV模型波动长记忆性估计与检验

将小波引入到LMSV模型波动长记忆性的估计与检验中，提出了基于小波变换的LMSV模型波动长记忆性的伪极大似然估计法和波动长记忆性的检验方法，用不同参数值和样本容量的数据进行了模拟实验．又用该方法对上海和深圳证券交易所综合指数收益序列的LMSV模型的波动长记忆性进行了检验和估计，结果表明该方法是有效且可行的．     

中国股市多分形波动率建模及预测研究

本文考虑股市高频数据的日内效应和已实现波动率的测量误差修正了现有多分形波动率指标的构建方法，以HAR模型为基础构建新的多分形波动率预测模型.利用Diebold-Mariano检验和"模型信度设定"检验等方法综合评价了各种模型对我国沪深300股指的预测能力.结果表明：1）在相同模型范式下，赋权调整已实现波动率的样本外预测能力要优于已实现波动率，而本文提出的新的多分形波动率模型要显著优于其他模型；2）在相同波动率测度指标下，引入股价波动的跳跃成分和杠杆效应能进一步改善波动率模型的短期预测效果；3）最优和次优模型均是基于新多分形波动率方法构建的模型.     

基于杠杆效应和结构突变的HAR族模型及其对股市波动率的预测研究

近年来,基于高频交易数据的HAR族模型在对各类金融市场波动率的预测研究中展现出了良好的预测效果.本文在4个经典或前沿的HAR族模型的基础上,考虑杠杆效应和结构突变因素对波动率的预测作用,构建4个带杠杆效应和结构突变的HAR族模型.接着,以上证综指和深证成指的5分钟高频交易数据为研究样本,对上述模型进行样本内和样本外分析,以此检验各成分对股市波动率的预测作用以及比较各模型的预测能力.实证结果显示:已实现波动率,连续波动率,下行波动率,上行波动率,杠杆效应和结构突变成分对股市波动率的预测作用较强,而跳跃波动率,符号跳跃方差对股市波动率的预测作用较弱;带杠杆效应和结构突变的HAR族模型对股市波动率的样本内拟合效果和样本外预测能力都明显优于相对应的不带杠杆和结构突变的HAR族模型,其中大多数情况下LHAR-CJ-SB模型展现出最高的拟合效果和预测精度.以上结果表明,杠杆效应和结构突变因素能有效提高HAR族模型的预测精度,所以在HAR族模型的构建中这两个因素不能被忽视.     

基于微观结构噪音修正的波动率估计——以中国股市逐笔交易数据为样本

基于中国股市遂笔交易数据,有效利用全样本不规则采样数据,采用二尺度已实现波动率(TSRV)方法对我国股票市场分离噪音下的日波动率进行估计,并将TSRV方法拓展至日内高频时段,结合RV模型进行了对比研究,研究结果正示逐笔交易数据相对传统起高频数据包含更多的交易信息,噪音的存在严重的干扰了波动率估计,TSRV方法在中国市场条件日间和日内都具有较好的适用性,能有效别出微观结构噪音对波动率估计的影响,提高波动率的估计精度和稳定性.实际应用中,TSRV方法对低频采样频率的选取具有很好的鲁棒性.     

基于结构转换PTTGARCH模型沪深股市波动率的估计

考虑股市收益率波动存在结构转换特征以及描述波动非线性和非对称特征的幂变换门限GARCH(PTTGARCH)模型,本文提出结构转换PTTGARCH模型.选取沪深300指数日对数收益率作为研究对象,将股指的波动变化分为下跌、上涨和盘整三个状态:选用2013年7月1日至2015年12月17日以及2015年12月18日至2016年1月8日作为样本内和样本外时期:分别应用GARCH,EGARCH,APGARCH,PTTGARCH模型及具有结构转换的相应模型对沪深股市波动率进行估计和预测,利用高频数据得到的已实现波动率作为股指实际波动率的估计.采用平均平方误差(MSE_1,MSE_2),平均绝对误差(MAE_1,MAE_2)对估计与预测的波动率进行评价,并采用模型信度集(MCS)检验比较各模型估计和预测能力.研究结果表明:单状态和具有马尔可夫结构转换PTTGARCH模型在样本内和样本外的拟合和预测结果均更为准确.     

多维高频数据的"已实现"波动建模研究

金融市场高频数据的分析与建模是金融计量学一个全新的研究领域.把基于一维高频数据的“已实现”波动率扩展到多维高频数据情形,给出“已实现”协方差阵,并给出了协方差阵的极限性质,用以刻画多维金融变量的波动率和相关性.研究了基于上证综指和深圳成份指数高频数据的“已实现”协方差阵的特性,最后针对它的长记忆性建立了FIVAR模型,该模型刻画了上证综指和深圳成份指数各自的波动性和之间的相关性.研究发现,“已实现”波动和“已实现”协方差取对数后具有良好的正态分布特性,相同的长记忆性.针对“已实现”协方差阵建立的FIVAR模型为进一步研究波动的协同持续性提供了基础.     

引入隔夜信息的已实现波动率

中国股市每天交易时间只有4小时,而可能影响股票收益的信息却在24小时内连续累积。隔夜信息即指非交易时段产生的影响股市的信息,既可能源自非交易时段的政策颁布、公司公告,也可能源自海外市场的股价变动等。在估计日已实现波动率时,对隔夜信息的处理方式尚无定论。以沪深300指数5分钟高频价格为实证数据,比较多种引入隔夜信息的方法,发现本文提出的以SP500指数交易时段已实现波动率代理隔夜波动率,与沪深300指数交易时段已实现波动率相加而构建的日已实现波动率估计量,在均方误差指标和模型置信集检验下具有最高的样本内精确度。并且以之为真实波动率代理变量时,常用GARCH类模型样本外预测性能的比较结果在各种估计窗/预测窗组合下最为一致。     

长记忆SV模型的统计性质及其实证分析

给出与证明长记忆随机(LMSV)模型的矩与谱密度。波动替代量的长记忆性，与ARFIMA模型的关系，以及其时间聚合等统计性质；最后利用模型考察了上海股市波动的长记忆特性。     

中国股市波动性过程中的长期记忆性实证研究

应用一类描述金融市场波动性过程的长期记忆特征的分整自回归条件异方差模型(FIGARCH模型)，研究了中国股票市场波动性过程的长期记忆性，实证结果表明中国股市波动性过程具有明显的长期记忆特征；文章还分析了FIGARCH模型与传统的条件方差模型相比，在模型描述和预测上所体现出的优越性。     

基于日内价格幅度与回报的随机波动率模型

金融资产波动率测量与建模是金融理论与实践中的一个重要课题，已经有了许多测量与建模方法。本文引入了基于日内价格幅度与回报两个测度指标的随机波动率模型。利用中国股市数据进行的实证结果表明，与单测度指标的随机波动率模型相比．基于两个测度指标的随机波动率模型能更好地描述股票市场波动率和市场波动风险。     

基于贝叶斯原理的随机波动率模型分析及其应用

基于贝叶斯原理,对随机波动性模型进行研究,并将随机波动率模型应用股市风险价值VaR的估计与预测.针对中国股市数据进行的实证结果表明,与GARCH模型相比,随机波动率模型能更好地描述股票市场回报的异方差和波动率的序列相关性;基于随机波动率的VaR较GARCH模型的VaR具有更高的精度.     

具有杠杆效应SV模型的贝叶斯分析及其应用

对具有杠杆效应的SV模型进行了的贝叶斯分析，使用基于Gibbs取样的BUGS软件对模型的参数进行了估计。用上海和深圳股市的指数收益时间序列对杠杆效应SV模型进行检验，指出沪、深两个股票市场存在显著的杠杆效应。     

中国股市波动的异方差模型及其SPA检验

以中国股票市场最具代表性的股价指数-上证综指的高频(High-frequency)数据样本为例,实证计算了以GARCH族模型和随机波动(Stochastic volatility)模型为代表的不同异方差模型对中国股市波动率的预测,并进一步运用SPA(Superior predictive ability)检验法,实证检验了不同异方差模型对中国股市波动的刻画能力和预测精度问题.实证结果显示,就中国股市而言,随机波动(Stochastic volatility)模型是预测精度最高的异方差模型,但在某些损失函数标准下,EGARCH模型也具有良好的波动预测表现.     

基于MDH假说的中国沪深股市量价关系实证研究

GARCH类模型在研究股票市场量价关系时得到了广泛的应用。本文基于一种新的GARCH模型，把股市的波动分解为长期波动趋势和短期波动成分，验证中国股票市场是否符合研究量价关系的主流理论——混合分布假说理论，并得出中国股票市场波动的一般性及特质性。其研究结论对监管机构把握股市的运行规律，制定合理有效的监管政策具有重要的指导意义。     

基于Gibbs抽样的厚尾SV模型贝叶斯分析及其应用

我国的金融时间序列存在普遍的波动性现象,而波动性又存在尖峰厚尾现象。首先对反映波动性特征的厚尾金融随机波动模型(SV-T)进行贝叶斯分析,然后构造基于Gibbs抽样的MCMC数值计算过程进行仿真分析,最后利用DIC准则对SV-N模型和SV-T模型进行优劣比较。研究结果表明:在模拟我国股市的波动性的方面,SV-T模型比SV-N模型更优,更能反应我国股市的尖峰后尾的特性,并且证明了我国股市具有很强的波动持续性。     

随机波动模型参数估计的新算法及其在上海股市的实证

研究用马尔科夫链蒙特卡罗(MCMC)算法估计随机波动模型的参数问题.基于“前向滤波,后向抽样”方法提出一种新算法,并将新算法同原有算法进行了比较.然后利用新算法对上海股市进行波动性分析,发现中国涨跌停板制度对波动的持续性估计有着重要的影响,忽视这些因素将会导致波动的持续性被高估.