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。     

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.     

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.     

基于“已实现”波动的协同持续研究及其应用

目前文献中对金融波动持续性和协同持续性的研究都是以低频金融数据为研究对象的.而随着信息技术的发展,高频金融数据的储存和获取更加便利.针对高频金融数据,采用“已实现”波动作为新的波动度量方法,并且给出基于“已实现”波动的金融时间序列波动持续性和协同持续性的定义,并且采用上海股票市场和深圳股票市场的高频金融数据对两个股票市场的波动的持续性和协同持续性进行了实证研究.     

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.     

"已实现"双幂次变差与多幂次变差的有效性分析

近年来,基于金融高频数据的波动率研究成为金融学研究领域的热点,而有效性是衡量波动率估计量优劣的重要标准,本文对波动率估计量的新方法“已实现”双幂次变差和“已实现”多幂次变差的有效性进行了研究,得出“已实现”双幂次变差在一般条件下比“已实现”波动更有效的结论,并且证明了在一定条件下,“已实现”多幂次变差的幂次个数越多,该波动率估计量的有效性越高.这一结论为“已实现”多幂次变差的幂次个数选取提供了原则.     

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.     

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.     

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.     

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.