基于藤copula–已实现GARCH的组合收益分位数预测

为准确预测分位数,利用已实现GARCH模型在边缘分布建模中纳入高频信息,通过藤copula刻画资产收益两两之间相异的相依结构,构建了资产组合收益分位数预测的藤copula–已实现GARCH模型.选取中国股市风格指数组合展开实证分析,回测检验结果表明高频信息和异质相依结构是准确预测分位数的关键环节,藤copula–已实现GARCH模型能够提供更准确的资产组合收益分位数预测.

上证380高频指数数据已实现GARCH(1,2)模型的风险测量

针对高频金融数据收益率序列的厚尾和偏斜性,建立了偏t误差分布假设下的R-GARCH(1,2)模型,对上证380指数5 min频率的高频数据进行了Va R预测,并与经典的正态分布和t分布误差假设下的R-GARCH(1,2)模型的预测精度进行了对比分析。结果表明,误差项服从偏t分布的R-GARCH(1,2)模型能够有效识别上证380指数收益率序列的分布特征,并且能够精确地测量其收益风险。

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。

基于积分权波动率的已实现GARCH模型研究及应用

波动率是对资产价格的波动程度和风险大小的衡量。对波动率的研究有利于更深入地理解金融市场的运动规律。文章基于跳跃扩散过程,在已实现测度中引入GM积分型权函数,结合已实现的GARCH模型,改进已实现GARCH模型的波动率估计,平滑跳跃对估计值的影响,更有效地描述中国股票市场的波动情况。

基于已实现跳跃GARCH模型的波动率预测研究

金融资产价格的波动性、不确定性与金融市场的内在风险紧密相关,同时也是影响风险度量与资产定价精确性的核心因子,准确预测波动率已成为金融学界研究的热门话题之一。文章通过选取上证综合指数日收盘价和五分钟高频数据作为研究对象,在已实现GARCH模型(realized GARCH model)基础上引入高频数据构建的已实现方差(realized variance,RV)与已实现双幂次变差(bipower variation,BV)之差作为跳跃因子,植入方差方程中,构建已实现跳跃GARCH模型(realized jump GARCH model)。实证研究表明,引入跳跃因子的模型在样本内拟合和样本外预测方面,较标准的已实现GARCH模型,均有明显的改进。

基于混频数据抽样的已实现波动率长记忆模型

基于已实现GARCH模型和混频数据抽样(MIDAS)结构,提出了已实现混频数据抽样GARCH模型.该模型使用混频数据抽样结构从已实现测度中提取长短期波动率信息以提升模型对波动率的拟合和预测能力.基于指数和个股数据的实证分析表明,相比传统的已实现GARCH模型,新模型的样本内拟合能力更强,对长记忆性的捕捉更好.样本外结果表明,新模型显著提升了波动率的多步预测效果,并且改进效果随着预测期的延长而增强.

基于高频数据的中国股市波动率预测研究

文章采用上证综合指数数据,研究基于高频数据的已实现GARCH模型和已实现EGARCH模型对中国股市波动率预测能力。利用滚动时间窗方法实证比较研究模型样本内数据拟合和样本外波动率预测能力,通过损失函数计算和DM检验方法检验样本外预测能力,并在此基础上分别基于已实现GARCH模型和已实现EGARCH模型来对VaR进行测度。结果表明:相对于传统的(E)GARCH模型,高频数据的已实现GARCH模型和已实现EGARCH模型具有较好的样本内拟合和样本外预测能力,在样本外预测和VaR度量中已实现GARCH模型均优于已实现EGARCH模型,可为金融投资者和风险管理者提供理论指导。

信息不对称下成交量与波动率关系建模与统计推断

本文首次提出信息不对称背景下成交量和波动率关系的日度完备模型。新模型假设当日成交量和已实现测度为次日隐信息流带来新信息,而隐信息流驱动知情交易者交易。基于此模型,本文给出时间序列平稳遍历性成立的充分条件,并且运用高斯拟极大似然法,建立模型参数估计的渐近理论,模拟研究验证了渐近理论的正确性。本文将新模型应用于中国沪深A股市场、美国纽交所和纳斯达克市场的大型公司。基于全样本的模型拟合结果发现:成交量的放大将导致次日条件波动率增大,而条件波动率的增大伴随着成交量的放大,同时,大部分个股中存在信息交易;在存续时间长、市值靠前且交易活跃的中国个股中,相较于基准波动率模型——已实现GARCH模型,新模型大多具有更好的样本内拟合能力;而在市值靠前且交易活跃的美股中,新模型的表现并不优于已实现GARCH模型。在滚动窗口的波动率预测上,较其他被广泛使用的已有模型,新模型在本文研究的中国个股中普遍具有更好的表现;而在本文研究的美股中,已实现GARCH模型表现较好。这反映了新模型更加适用于存续时间长、市值靠前且交易活跃的中国股票市场数据。

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.