基于跳跃和符号跳跃变差的HAR-RV预测模型及其MCS检验

以沪深300指数的高频数据为例,运用滚动时间窗的样本外预测方法以及比SPA检验更具优势的模型信度设定检验(MCS),实证分析了跳跃、符号跳跃变差及符号正负向跳跃变差对HAR-RV、HAR-RV-J、HAR-RV-CJ和HAR-RV-TCJ等4种基础波动率模型预测能力的影响。研究发现:符号跳跃变差不仅可以提高各波动率模型的拟合精度,而且还可以提高模型的预测精度;符号正向和负向跳跃变差相比符号跳跃变差对未来波动率具有更好的解释能力,且它们对未来波动率的影响是不对称的;加入符号正、负向跳跃变差的HARRV-TCJ模型的预测效果是众多模型中表现最好的,尤其是它的对数形式。

下行风险、符号跳跃风险与行业组合资产定价

本文在资本资产定价模型(CAPM)的基础上,构建包含市场风险溢价、下行风险和符号跳跃风险的新资产定价模型,并使用高频交易数据计算模型中各风险因子,研究当期和跨期的行业组合定价问题。研究表明:当期的市场风险溢价、下行风险和符号跳跃风险因子对行业组合的超额收益率有很好的解释作用,且对上证能源等周期性行业组合的解释能力强于上证消费等非周期性行业组合;而滞后一期的市场风险溢价、下行风险和符号跳跃风险因子对行业组合超额收益率的预测作用非常有限。同时,我们的研究还发现,通过AR(1)、LAR(1)、AR(3)、LAR(3)、HAR和LHAR等时间序列预测模型,运用样本外滚动窗预测技术得到市场风险溢价等因子的预测值后,构建的新跨期定价模型对行业组合有较好的定价能力。其中,HAR和LHAR对应的跨期定价模型表现最好,且它们在上证材料组合和上证公用组合中表现尤为突出。

基于符号收益和跳跃变差的高频波动率模型

基于符号收益率的视角,对现有的HAR-RV类及其跳跃扩展模型进行相应分解,构建新型的HAR-RV类波动率模型.进一步,结合符号收益和不同的跳跃识别检验方法,提出了包含符号跳跃变差的HAR-RV类模型,并利用样本外滚动窗预测技术和"模型信度设定"(MCS)检验法评价了各种新旧HAR-RV模型对我国沪深300股价指数波动的预测能力.结果表明:基于C_TZ跳跃识别检验的符号跳跃变差能显著改善波动率模型的短期预测能力,但在中长期波动预测时,符号跳跃变差未能明显提升HAR-RV类模型的预测精度;新提出的HAR-S-RVTJ-TSJV模型和HAR-S-RV-TJ模型分别在对短期(未来1天)和中长期(未来5天和20天)的波动预测检验中,展现出了最高的预测精度.

考虑跳跃波动与符号跳跃的50ETF期权定价研究

标的资产的波动率是期权定价的核心参数。利用高频数据计算已实现波动并进一步区分为连续波动和跳跃波动。对连续波动构建带抛物型杠杆的异质自回归伽马模型,并进一步引入符号跳跃以改进波动预测。用复合泊松过程建模跳跃波动,其中随机跳跃大小服从伽马分布。对参数估计值进行从真实测度到风险中性测度的转换,进而实现蒙特卡洛模拟法的期权定价。采用50ETF期权上市起至2017年6月30日合约数据的实证表明,在期权价格均方根误差和隐含波动率均方根误差指标下,基于高频数据的模型较GARCH模型的定价误差更小,考虑跳跃波动可以提升期权定价能力。进一步地,同时考虑跳跃波动和符号跳跃则可以获得最佳的期权定价表现。

基于外部信息冲击的符号跳跃变差高频波动率模型

现阶段研究高频波动率的主流HAR-RV-跳跃模型仅考虑了与高频波动率有关的内生变量,忽视了外部信息冲击的影响,对高频波动率的估计和预测可能存在偏误.本文尝试将外部信息冲击引入到HAR-RV-跳跃模型中,构建基于外部信息冲击的符号跳跃变差高频波动率模型(HAR-VRV-跳跃模型).这类模型不仅兼顾内生因素和外部信息冲击对高频波动率的共同影响,还考虑了多元信息冲击的非对称效应.通过选取沪深300和中证500指数的高频交易数据作为研究样本,并利用滚动时间窗口预测和SPA检验对HAR-V-RV-跳跃模型的预测能力进行了评价,结果表明:HAR-V-RV-跳跃模型可以依据外部信息冲击的类型对高频波动率做出更准确的预测,其预测能力明显优于现有的HAR-RV-跳跃模型.但是,HAR-V-RV-跳跃模型对平稳期高频波动率的预测表现优于非平稳期.

英语跳跃式阅读技巧中标点符号的应用

学生往往对英文语篇中某些英文标点符号的使用缺乏了解和足够的重视,妨碍了其对语篇内容的整体性、连贯性、逻辑性的快速理解。事实上,正确理解以及重视标点符号的使用,对掌握文章的全貌和要点,实现跳跃式、省略式快速阅读有极大的帮助。

“好”“坏”方差与股票市场收益率预测

风险与收益的关系是金融资产定价研究领域中亘古不变的话题。基于指数日内高频数据和Barndorff-Nielsen等提出的已实现方差分解为“好”的方差和“坏”的方差框架,研究了方差非对称衡量指标——符号跳跃变差(SJV)对中国股票市场收益率的预测能力。实证研究显示,无论是样本内还是样本外,符号跳跃变差对深圳综指未来一个月超额收益率均有显著的预测能力,并且预测回归系数显著为负;即使控制了其他预测变量,效果仍然显著。此外,为了进一步说明符号跳跃变差稳健的预测能力,还考察了上证指数和中证500指数,结果显示符号跳跃变差对其都有预测能力,尤其在中证500指数上表现更佳。

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。

基于四次幂差修正HAR模型的股指期货波动率预测

股指期货波动率建模与预测是揭示其波动运行规律和市场风险是重要途径。本文基于跳跃、好坏波动率与符号跳跃建立四组HAR模型,提出单级纠偏HARQ类模型和多级纠偏HARQF类模型,实证研究揭示股指期货波动运行规律,并采用MCS检验来评估模型优劣。HAR建模考察连续与跳跃波动、好与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,基于最小化MSE准则确定最优抽样频率,利用已实现核修正的ADS检测法识别跳跃,采用已实现核估计修正好坏波动率与符号跳跃。基于沪深300股指期货的实证研究表明：连续波动比跳跃波动对未来已实现波动贡献更大;好坏波动率具有不对称波动冲击,而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;中位数已实现四次幂差能够显著提升HAR类模型的样本内外预测能力;与样本内预测相反,样本外预测中单级纠偏HARQ类模型优于多级纠偏HARQF类模型;MCS检验得出HARQ-RV-SJ模型表现最佳。研究结论与启示对认识股指期货波动规律和市场风险具有意义。