基于高频数据的赋权已实现极差β估计量的构建

大量的文献研究表明系统风险系数β随时间的改变而改变。文章采用高频金融数据,通过赋权已实现极差方差和赋权已实现极差协方差来度量市场收益的方差和股票收益与市场收益的协方差,构建了赋权已实现极差β估计量,对系统风险系数β进行了研究。实证研究证明,中国股票市场中的系统风险系数β随着时间的改变而改变,具有较高的偏度和峰度,其分布均不符合正态分布。

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。

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.

中国金融市场波动率的实现极差双幂次变差估计

实现极差和实现双幂次变差分别是针对金融市场中日益流行的高频实现波动率的重要改进,文章对一类新的结合了实现极差和实现二次幂变差各自的优点的实现极差双幂次变差估计进行了建模和实证研究,采用来自沪深两市的主要股指日内高频数据的对比研究显示:该波动率估计量不仅能够像实现极差一样准确捕捉到金融市场收益率无条件分布的尖峰厚尾特征,而且能够像实现双幂次变差一样很好的消除其偏态性。

基于HAR模型对中国股市已实现极差的研究

在20支上证A股股票高频日内数据的基础上,考虑成交量、交易次数和各种形式的隔夜回报对已实现极差的影响.为了考查影响效果,我们将加入这些滞后变量的增广HAR模型同传统HAR模型进行比较.研究结果表明,在样本内预测上这些滞后变量都对已实现极差有一定的影响,然而在样本外预测效果方面,加入这些滞后变量后的增广HAR模型同传统HAR模型相比并没有显著提高.

利用已实现极差预测市场波动率——基于ARFIMA-Realized GARCH模型的实证研究

考虑到收益率的均值回复与长记忆性特性,在Realized GARCH模型基础上,提出了ARFIMA-Realized GARCH模型。综合日内已实现极差,以沪深300指数为样本对市场波动率进行了预测,并采用MCS检验法对预测结果进行比较。实证结果发现,在波动率预测上,考虑了收益率长记忆性的ARFIMA-Realized GARCH模型要优于未考虑收益率长记忆性的Realized GARCH模型;采用能够克服市场微观结构偏差影响的已实现极差作为已实现测度,很大程度上改进了模型的预测效果;与已实现波动率相比,已实现极差可以适用于包含更多信息的更高频率的数据集并能有效提高预测效果。

基于已实现极差的上证综指波动长记忆性识别与风险度量研究

基于上证综指的高频信息,计算了已实现极差.针对已实现极差,进行R/S检验和单位根检验,发现已实现极差具有长记忆性.考虑到杠杆效应、异方差性和长记忆性,构建了基于已实现极差的ARFIMA-M-FIGARCH模型、ARFIMA-M-FIEGARCH模型和ARFIMA-M-HYGARCH模型,进行了拟合优度检验、VaR的失败率检验以及VaR的动态分位数检验,结果表明,基于已实现极差的ARFIMA-M-HYGARCH模型拟合效果最优,刻画了上证综指的双长记忆特征、杠杆效应和尖峰厚尾的特征,能更好地度量极端情况下的在险价值VaR.

基于加权已实现极差的中国股市波动特征

已实现极差波动是针对高频时间序列而提出的一种全新的波动率度量方法,而加权已实现极差可以有效去除波动的"日内效应",是比已实现极差更有效的波动估计量。本文首先构造基于沪深300股指的5分钟高频数据的加权已实现极差序列,然后根据序列特征对其建模,在此基础上研究加权已实现极差序列的非对称特征以及交易量对其的影响。实证结果表明:中国股票市场上加权已实现极差序列具有尖峰厚尾、丛聚性、持续性以及非对称性,并且与交易量存在较强的正相关关系。

基于实现极差和实现波动率的中国金融市场风险测度研究

目前比较流行的金融市场风险价值研究一般采用日收益数据,并基于GARCH类模型进行估计和预测。本文利用沪深股指日内高频数据,分别通过ARFIMA模型和CARR模型对实现波动率和较新的实现极差建模,计算风险价值。通过对VaR的似然比和动态分位数等回测检验,实证分析了各种模型的VaR预测能力。结果显示,使用日内高频数据的实现波动率和实现极差模型的预测能力强于采用日数据的各种GARCH类模型。

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.

中国股市的跳跃性与杠杆效应——基于已实现极差方差的研究

以连续时间跳跃扩散理论为基础,本文将已实现极差方差分解为连续和跳跃成分,进而构建包含连续和跳跃成分的杠杆异质性自回归(LHAR-RRV-CJ)模型,对中国股市的跳跃性以及杠杆效应进行了实证研究,结果表明,中国股市具有显著的跳跃性,并存在杠杆效应,LHAR-RRV-CJ模型具有较好的预测能力。研究还发现,跳跃对中国股市波动存在显著的正的影响,其中跳跃对中国股市的短期波动影响较大,对长期股市波动影响较小。并且,杠杆效应对短期股市波动影响较大,但不影响长期股市波动。

基于符号变差和外部信息冲击的已实现极差波动率

已实现极差波动率(RRV)极大地弱化了微观结构噪音的影响,比已实现波动率(RV)的有效性更高。但目前主流的HAR-RRV-跳跃模型忽略了符号变差成分在预测中的差异。由于RRV在跳-扩散框架下是有偏的,难以进行符号分解。因此通过刻度校正及校正分解的方法,分别推导了RRV符号连续和符号跳跃成分。同时,考虑到外部信息冲击也会导致RRV不同方向的非对称变化,利用LGARCH模拟这种非对称影响,构造兼顾符号变差与外部信息冲击的HAR-SRRV-CJ-LGARCH模型和HAR-SRRV-SCJ-LGARCH模型。以沪深300和中证500指数1分钟高频数据作为研究样本,采用多种损失函数和MCS检验评价模型预测能力,结果显示:在预测中考虑了符号变差成分并利用LGARCH模拟外部信息冲击,可以明显提升模型预测能力,同时引入符号连续及符号跳跃的HAR-SRRV-SCJ-LGARCH模型在平稳期和短期预测中最优。

极差信息金融市场波动率的研究综述与评价

金融资产收益的波动率对于期权定价、资产投资组合以及风险管理都十分重要,对于波动率的度量有几种不同的方法,文章从极差的角度入手,总结并评价了近年来极差信息波动率在金融市场中的理论发展与应用研究,并给出关于极差信息波动率研究的研究展望。

投资者情绪、极差与波动率预测--基于上证50ETF期权的经验研究

文章结合已实现极差指标、期权隐含信息以及投资者综合情绪指标,构建HAR-RR-IV-SK-CICSI模型并对其预测效果和机制进行了实证研究。研究发现,日、周、月已实现极差对未来波动率均有显著的预测能力,且日、周极差更适用于短中期的预测,而月波动率在长期预测中的表现更为显著;相比于HAR-RV类模型,HAR-RR类扩展模型更精确有效;CICSI指标不必通过隐含波动率及风险中性偏度而间接影响中长期的波动率预测,说明了投资者看涨看跌的情绪与其实际投资决策行为并不完全是一致的。

基于异方差和时变波动的Realized HAR GARCH模型研究

文章选取上证综指5分钟收盘价序列高频数据,采用ACF拟合、多种损失函数、SPA检验和VaR回测检验对不同误差分布下的包含时变波动、异方差结构和加权已实现极差的Realized HAR GARCH模型进行研究。实证结果表明,新模型相比于以往模型更能够捕捉上证综指的波动特征,具有更好的波动率拟合和预测效果,且VaR度量效果更优。研究丰富了时变长记忆高频波动率模型,从时变波动和噪声异方差结构视角为投资者和监管机构进行风险管控提供参考。

隔夜收益率能提高高频波动率模型的预测能力吗

将隔夜收益率作为解释变量加入到高频波动率模型中,研究其对模型预测精度的影响.以沪深300指数为例,运用样本外预测技术及新颖的模型可信集检验方法,同时选取比RV更为稳健的两尺度已实现波动率为基准波动率,实证研究表明,隔夜收益率对短期波动率存在显著的非对称效应;隔夜收益率能改善各波动率模型的拟合能力,并能显著提高模型的短期预测能力;在预测短、中及长期波动率时,已实现和已实现极差高频波动率模型的预测表现并不一致.

中国金融市场波动率模型预测能力比较研究

使用高频数据构造的实现类波动率估计量已经越来越多的用于波动率模型预测精度的衡量与比较。本文采用来自沪深两市的主要股指日内高频数据,构建了两类日内波动率的非参估计量实现波动RV与实现极差RR,分别用于GARCH和CARR类模型的比较与扩展;并使用Mincer-Zarnowitz(MZ)回归方程和基于此基础之上的一个渐进正态检验统计量对各模型的相对优劣及统计显著性进行对比研究。结果显示,标准CARR表现最好,而GARCH类扩展以及CARR类扩展模型均未能显著提升模型的预测能力,从实证上说明了CARR模型使用每日价格极差信息对波动率建模是充分有效的。

金融高频数据波动率度量比较——基于ARFIMA模型的VaR视角

本文针对已实现波动率、己实现极差、双幂变差己实现波动率、截断双幂变差己实现波动率以及两尺度己实现波动率5种主要高频数据波动率度量,比较研究它们在VaR预测中的差异。运用ARFIMA模型描述波动率动态变化,偏学生分布、正念逆高斯分布和广义双曲分布刻画标准化收益率,建立VaR度量预测模型。利用上证综合指数高频数据进行实证分析,VaR回测检验表明,基于高频数据波动率度量ARFIMA模型,比基于低频数据GARCH类模型预测VaR效果更好,已实现极差比其他波动率度量VaR预测准确。

基于非参数波动测度的上海股票市场异质性研究

利用非参数波动测度——已实现波动和已实现极差波动研究了上海股票市场的异质性现象,发现上海股票市场收益波动率的长记忆性主要是由短期交易者和长期交易者决定,并且已实现极差波动测度对股票收益波动的预测效果要好于已实现波动测度.

中国股市波动测度实证研究

提出了一种基于非参数波动测度的综合测度方法,该方法以已实现极差波动测度为基础,根据混合抽样模型(MIDAS)的思想,利用多元回归方法将基于高频数据的不同时间尺度的已实现极差波动测度组合成综合测度.通过对中国股票市场综合指数分析,发现利用综合测度方法可以更好描述高频数据的波动行为.