中国股市已实现“核”波动研究

基于蒙特卡洛方法模拟出的股票价格路径分别考察"已实现"核波动(RK)、"已实现"波动(RV)方法的估计精度,结果表明:RK能有效滤出噪音更贴近于真实波动率。进一步将RK与分整自回归移动平均模型结合,并对其分数阶差分算法进行了修改,基于高频数据对我国股票市场的日波动率进行估计和预测。研究结果表明:RK方法在中国市场条件下具有较好的适用性,相对于RV有更好的预测效果。

基于双因子已实现GARCH模型的波动率预测研究

准确地预测金融市场的波动率对市场管理者和参与者而言都是至关重要的。本文在标准已实现GARCH模型基础上,将条件方差乘性分解为长期方差和短期方差两部分,分别构造包含杠杆函数的长期方差方程和短期方差方程,用以捕捉波动率的长记忆性和短期微观波动。运用上证综指和日经指数的日收盘价、已实现方差和已实现核波动此类高频数据进行实证分析,结果表明:与标准已实现GARCH模型相比,两指数的双因子已实现GARCH模型在样本内表现出更大的似然估计值;通过样本外误差函数分析和DM检验,双因子已实现GARCH模型也取得更好表现。

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。