加权已实现极差四次幂变差分析及其应用

针对金融高频数而开发的极差波动估计量因能更精确地度量波动率而备受关注. 根据方差有效性结合数值模拟, 推导出了已实现极差多幂次变差族中最优的波动估计量, 并依据无偏性和方差有效性给出了相应的加权估计量. 同时将这些估计量与已实现GRACH模型相结合, 并对模型进行扩展. 实证表明已实现极差四幂次变差是已实 现极差多幂次变差族中最优的波动估计量, 加权的已实现极差四幂次变差能有效消除日历效应的影响, 扩展的已实现GRACH模型在拟合和预测效果上明显优于传统的EGARCH模型.     

金融高频数据的偏差校正“已实现”双幂次变差

金融高频数据中微观结构噪声的存在严重影响了金融波动率估计量的准确性.为了消除微观结构噪声给波动率估计量带来的偏差,构建更准确的金融波动率估计量,选取具有稳健性的"已实现"双幂次变差对其做了偏差校正,提出偏差校正的"已实现"双幂次变差,通过定理证明了其渐近无偏性与有效性,并用深证成指的金融高频数据验证了这一理论成果.因此偏差校正的"已实现"双幂次变差是具有稳健性、渐近无偏性与有效性等良好统计性质的金融波动率估计量,它为金融应用研究领域奠定了基础.     

高频金融数据的两种波动率计算方法比较

高频金融数据的波动率计算是近年来国内外的研究热点,"已实现"波动(RV)是基于高频数据的全新波动率度量方法,最近又出现了"已实现"双幂次变差(RBV)的波动率计算方法.针对这两个高频金融波动率计算的热点问题进行了比较,指出RBV在定义形式上比RV所包含的内容更加广泛,除了具有稳健性,还证明了在两种条件下,RBV比RV更有效.     

基于交错取样门限多幂次变差的中国股市波动细分及非对称性建模

以多幂次变差的测量为理论基础,考虑到有限样本规模的局限以及市场微观结构噪声的影响,提出交错取样门限多幂次变差方法并将其用于中国股市高频已实现波动的细分,区分出连续波动与跳跃波动。根据已实现波动、连续波动与跳跃波动的不同统计特征,分别为已实现波动与连续波动建立LHAR-V-CJ模型,为跳跃波动强度建立LHAR-SJ-C模型,为跳跃波动间隔时间建立LACH-DJ-C模型,引入异质非对称性。使用沪深300指数的实证表明,已实现波动及连续波动与跳跃强度、跳跃间隔时间呈现出不同的非对称性特征,且本文提出的各非对称性模型较现有模型均有较明显的拟合能力改进。     

中国股市已实现波动率的跳跃行为研究

以二次幂变差的测量为理论基础,研究了上证综指已实现波动率中的跳跃行为.将已实现波动率分解为连续样本路径方差争离散跳跃方差,研究了跳跃方差序列的统计特征,并且应用HAR-RV-CJ模型对上证综指的已实现波动率进行预测.研究结果发现,几乎所有日、周和月已实现波动率的可预测性都来自连续样本路径方差,表明二次变差中的连续样本路径成分是中国股市已实现波动率预报的决定因素.     

基于高频数据的沪深股票市场的相关性研究

以往的文献对于股票市场之间的相关性研究大多是基于低频数据的.本文则采用高频金融数据,对上海和深圳股票市场的相关性进行研究.首先提出了基于高频数据的赋权已实现变差估计量和赋权已实现协变差估计量.然后,给出了基于赋权已实现变差和赋权已实现协变差的金融市场之间相关系数的定义.最后,采用Bayes 方法来检测相关系数时间序列的变结构点,来发现金融市场间的相关性是否存在显著变化.通过对上海和深圳股票市场进行的实证研究发现,两个市场的相关系数在变结构点存在显著变化.     

中国股市高频波动率跳跃的特征分析

采用修正的已实现门阈多次幂变差实证分析了中国股市高频波动率跳跃的特征,并运用自回归条件持续期模型、自回归条件风险模型以及扩展的自回归条件风险模型刻画了跳跃持续期的特征.实证研究表明,中国股市高频波动率发生显著跳跃的比例较高,并且跳跃具有聚集的特征,跳跃的幅度、强度以及跳跃幅度的分布都具有时变性,而跳跃对高频波动率的贡献却具有相对稳定性;在样本期,中国股市高频波动率跳跃表现出较强的正自相关性,且跳跃的持续期存在较强的长记忆性和周日历效应.     

高频数据的加权已实现极差波动及其实证分析

高频金融时间序列的分析与建模是金融计量学的一个崭新的研究领域。已实现极差波动是针对高频金融时间序列而开发的一种全新的波动率度量方法。文章首先证明了已实现极差波动是比已实现波动更有效的波动估计量。然后基于日内波动的特征。给出考虑“日历效应”的加权已实现极差波动。并说明了已实现极差波动只是加权已实现极差波动的特例。最后。通过对深圳股市实证分析。证实了加权已实现极差波动是比已实现极差波动更有效的波动估计量。     

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。     

高频环境下沪深300股指期货波动测度——基于已实现波动及其改进方法

作为中国唯一上市交易的金融期货产品,沪深300股指期货在资本市场价格发现和风险防范过程中扮演重要角色, 科学准确地测度其收益波动对充分实现股指期货避险功能具有重要理论和现实价值.在日内高频信息环境下分别采用经典已实现波动率、已实现极差波动率和已实现双幂波动率等三类方法对沪深300股指期货的收益波动进行测度,通过样本内预测误差指标对上述 方法的测度性能进行比较. 实证结果表明:沪深300股指期货在上市交易后表现出由剧烈波动 到渐趋平稳的波动特征,已实现波动的改进方法在沪深300股指期货收益波动的测度性能上具有较为明显的优越性.     

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．     

已实现波动和已实现极差波动的比较研究

高频金融时间序列的分析与建模是金融计量学的一个崭新的研究领域,已实现波动和已实现极差波动是针对高频金融时间序列而开发的两种全新的波动率度量方法.首先证明了在理想状态下,已实现极差波动比已实现波动是更有效的波动估计量,然后基于渐近关系讨论了高频数据最优抽样频率问题.在模拟试验的基础上,比较了微观结构效应对两种波动率度量方法的影响程度.最后,通过实证分析对上证综指的高频数据给出一个最优抽样频率.     

赋权已实现波动及其长记忆性,最优频率选择

已实现波动是针对高频金融时间序列的一种全新的波动度量方法,具有不需要模型和计算方便的优点.本文则对已实现波动进行了改进,提出了另一种更为有效的波动度量方法———赋权已实现波动,并且使得“已实现”波动成为赋权已实现波动的一个特例.通过对上海股票市场的实证研究,说明了赋权已实现波动是优于已实现波动的波动估计量,并且对赋权已实现波动的统计特性进行了分析.同时,在综合考虑微观结构误差和测量误差的基础上选择了最优的高频数据采样频率.     

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.     

基于已实现波动率的上证综指异常时序检测

时间序列模式识别、异常检测在金融领域有着广泛应用,能够为金融决策提供重要参考信息.在大数据场景下的异常检测中,为满足对计算效率、存储空间的要求,通常对时序数据利用近似表示进行降维.但在高频金融领域,已有的近似方法会丢失大量波动信息,而微观结构噪声、市场波动信息对高频金融分析至关重要.因此,本文在传统方法基础上,结合基于变点检测的时序近似表示和已实现波动率,通过聚类识别表现异常的时间序列.基于上证综指数据的实证分析表明,引入已实现波动率能够进一步优化聚类质量,准确识别波动异常的时间序列,为实际金融分析提供有价值的决策支持.     

基于跳跃、好坏波动率与百度指数的股指期货波动率预测

本文首次将百度指数引入HAR波动建模框架,基于跳跃、好坏波动率与百度指数提出HAR改进模型,实证研究揭示股指期货波动运行规律,并通过MCS检验分析预测模型优劣.HAR建模考察连续-跳跃波动、好-坏波动率的两种已实现波动分解.为了降低波动率估计偏差,基于序列相关法仿真统计最优抽样频率,利用已实现核修正的ADS检测识别跳跃,进一步修正好坏波动率与符号跳跃.基于沪深300股指期货的样本内外预测表明:连续波动比跳跃波动对未来已实现波动的预测贡献更大;好坏波动率具有不对称的波动冲击,好(坏)波动率抑制(加剧)未来波动性;符号跳跃对未来波动具有负向冲击;好坏波动率分解优于连续与跳跃波动分解;百度指数能显著提升HAR波动建模的样本内外预测能力;MCS检验证实,考虑符号跳跃与百度指数的HAR-RV-SJ-BI模型表现最佳.研究结论对认识股指期货波动规律和市场风险具有意义.     

基于TVS-HAR模型的农产品期货市场已实现波动率的预测研究

本文以4种农产品期货的高频数据为样本,在实证考察预测因子对农产品期货已实现波动率的预测能力基础上,通过假定时变HAR模型的参数遵循独立正态-伽马自回归过程先验分布,构建了具有时变稀疏度的HAR模型(TVS-HAR),以同时考虑预测模型参数的时变性和预测模型的时变性,并采用MCS检验评价和比较该模型和其他HAR族模型的样本外预测性能.实证结果表明:TVS-HAR模型能较好地识别和拟合潜在预测因子对农产品期货市场波动率的预测的重要性和影响程度的时变性;跳跃成分对我国农产品期货市场已实现波动率具有一定的预测能力;相对于其他几类HAR模型,TVS-HAR模型的预测性能最好.     

基于已实现半协方差的投资组合优化

在传统的风险度量方法中,常见的协方差估计量并未区分资产收益的下侧风险和上侧收益,而一般的下偏矩估计量则存在非对称性和难以加总的缺点.本文引入已实现半协方差矩阵(RSCOV)作为风险度量进行波动率预测和投资组合研究.本文将RSCOV应用于两种常见的风险分散投资策略—风险平价(ERC)策略和全局方差最小(GMV)策略,并将机器学习中的在线加权集成(OWE)算法用于提升已实现波动率预测方法HAR-RV的样本外预测表现.通过研究发现,相比起已有的其他风险衡量方式,仅包含负向波动信息的下半RSCOV能够更好地被用于平衡组内各资产的风险贡献.基于A股市场2011-2018年的高频数据,本文通过实证研究发现,OWE-HARRV在月度预测步长下的效果优于HAR-RV,而下半RSCOV则能够使ERC策略以及GMV策略在保证一定平均收益的同时,降低了组合收益的极端损失.