不同微观噪音波动率度量的比较分析——基于风险管理视角

实证研究表明,金融高频数据常具有微观噪音,目前已产生多种能够处理微观噪音的波动率度量:二维尺度已实现波动率(TSRV)、已实现核波动率(RKV)以及已实现极差波动率(RR)。本文从风险管理角度对这些波动率度量以及已实现波动率(RV)进行比较分析,通过ARFIMA模型为波动率进行动态建模,利用偏学生分布刻画标准化收益率,建立VaR度量和预测模型。利用上证综合指数的高频数据,通过回测检验,进行实证比较分析。分析表明:基于ARFIMA高频数据波动率VaR预测模型能够准确度量VaR,TSRV、RKV、RR优于RV,TSRV优于其他波动率度量。

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

基于中国股市逐笔交易数据,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。研究结果显示逐笔交易数据相对传统超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,能有效剔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。