调整"已实现"波动率与GARCH及SV模型对波动的预测能力的比较研究

高频金融时间序列的分析与建模是金融计量学的一个全新的研究领域,"已实现"波动率是针对高频金融时间序列的一种全新的波动率的度量方法。为了降低"已实现"波动的测量误差,提出更有效的调整"已实现"波动。针对调整"已实现"波动的长记忆性和"杠杠"效应建立ARFIMAX模型。通过设定一系列标准,全面比较基于调整"已实现"波动的ARFIMAX模型、GARCH模型以及SV模型的预测能力。

中国股市已实现波动率的跳跃行为研究

以二次幂变差的测量为理论基础,研究了上证综指已实现波动率中的跳跃行为。将已实现波动率分解为连续样本路径方差和离散跳跃方差,研究了跳跃方差序列的统计特征,并且应用HAR-RV-C J模型对上证综指的已实现波动率进行预测。研究结果发现,几乎所有日、周和月已实现波动率的可预测性都来自连续样本路径方差,表明二次变差中的连续样本路径成分是中国股市已实现波动率预报的决定因素。

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.

中国股票市场个股已实现波动率估计

从修正市场微观结构等干扰因素的角度出发,基于高频交易数据,同时采用一阶偏差修正方法估计了深圳证券交易市场个股的已实现波动率。研究结果表明,基于分笔交易数据计算的已实现波动率能有效提高个股真实波动率的估计精度,从而可以为波动率相关研究提供一个参照基准的波动率值。

“已实现”波动率中最优抽样频率的选择

"已实现"波动率是近年来金融研究领域中的热点问题,而抽样频率的选择对"已实现"波动率的准确度量至关重要。最优抽样频率应能够较好地平衡估计误差和微观结构误差。针对这个问题,文章给出了目前国外采用较多的三类选择最优抽样频率的方法,即波动率特征图法、利用序列相关性确定最优抽样频率的方法和基于最小均方误准则确定最优抽样频率的方法。

“已实现”波动率理论研究与评价

"已实现"波动率是一种全新的金融波动率测量方法。"已实现"波动率在理论上没有测量误差的无偏估计量,在实证建模方面比其他模型更易于估计参数,同时最优频率的选取对于"已实现"波动率的测量精确度是很重要的。

已实现波动率在我国金融市场的应用前景

作为金融计量学研究的一种新工具,已实现波动率以它独特的优势赢得了学者们的青睐,溶入了金融计量学各个分支领域的研究,并在一定程度上推动着这些领域的发展。然而,这种新兴的方法也不可避免地存在一些问题,有待于未来研究工作的改进和拓展。在我国金融市场未来的发展中,已实现波动率将发挥不可低估的作用。

基于已实现和极差波动率标准的沪深300指数波动率模型研究

对波动率预测模型的研究备受学术界的关注,文章以沪深300指数的5分钟高频真实交易数据为研究对象,利用8个损失函数和Diebold Marinao检验较为全面的探讨评价了GARCH族模型对其预测能力。结果发现长记忆性模型的预测效果普遍好于短记忆性GARCH模型,且FIEGARCH是长记忆性模型中预测效果较好的,这对学术界和实务界进行风险测度及对我国资本市场的风险控制都具有现实意义。

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。

窗宽选择对已实现波动率各种非参数估计的影响分析

文章总结了相关性市场噪音对证券价格波动性度量的影响,介绍了现存的波动率各种非参数估计方法的基本思想并讨论它们之间的关系,在此基础上重点分析了窗宽选择对各种估计量的影响,分析结果表明,各种非参数估计的最终结果严格的依赖于窗宽的选择。

基于已实现波动率的长记忆性分析

根据长记忆性的检验方法,即H/S分析法、GPH法,分别对上证指数收益率波动的长记忆性进行检验。同时,采用已实现波动率(RV)对波动进行度量,结合ARFIMA-RV、HAR-RV长记忆性模型进行分析,证实上证指数的RV序列具有长记忆性,而且HAR-RV模型能更好地对波动进行预测分析。

“已实现”波动率在VaR计算中的实证研究

本文根据“已实现”波动率的性质用ARF IM A模型对其进行模拟,并在此基础上研究了V aR,发现在学生T分布和GED分布下有比较好的预测效果.

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。

中国股市“已实现”波动率的周期性研究

论述证券市场“已实现”波动率的理论,利用深圳成分指数和上海综合指数的5 m in高频数据,对沪深两市的波动周期做了实证分析,通过Fourier谱分析,比较了沪深两市的波动周期,揭示了我国股市的周期波动性特征.目前,我国股票市场的周期性研究多集中在市场指数和收益率的低频数据周期分析,本文的特点是利用高频数据对波动率这一重要参数的周期性进行分析.

中国股市波动率预测——基于已实现EGARCH模型和已实现SVL模型的实证比较研究

通过采用上证综合指数数据,对已实现EGARCH(REGARCH)模型与已实现SVL(RSVL)模型在不同分布设定(正态分布、学生t分布与偏斜学生t分布)以及样本外阶段(预测总样本期、高波动期与低波动期)下的波动率预测表现进行实证比较研究。结果表明:在预测总样本期,REGARCH模型在3种分布下的样本外预测表现都优于RSVL模型,REGARCH模型在各分布下的样本外预测表现取决于选择的损失函数;在预测高波动期,其与预测总样本期具有相似的结论,但REGARCH模型在偏斜t分布下的预测表现最佳;在预测低波动期,其与预测总样本期的结论相反,即RSVL模型在3种分布下的样本外预测表现都优于REGARCH模型,RSVL模型在各分布下的样本外预测表现取决于选择的损失函数。

基于赋权已实现波动率的股票市场VaR度量

近二十年来,学术界对高频金融数据波动率模型的研究已经成为一个热门。特别是最近十几年,Andersen等学者提出了用高频分时数据来估计波动率的方法,这种方法可以得到比较准确的波动率估计值,称为"已实现"波动率,其中ARFIMA-RV是一类非常重要的波动率预测模型。本文在高频金融数据的基础上建立了赋权已实现波动率模型,发现其具有长记忆性,并通过建立对数赋权已实现波动率的分整自回归移动平均模型(lnWRV-ARFIMA)对赋权已实现波动率进行了拟合和预测。最后介绍了赋权已实现波动率在风险价值度量中的重要应用,并基于赋权已实现波动率,给出了风险价值的计算方法。

基于“已实现”波动率的GARCH和ARFIMA模型预测能力比较研究

通过基于“已实现”波动率,对上证综合指数收益波动基本统计特性进行分析。结果表明基于“已实现”波动率的ARFIMA组模型的预测能力要明显优于GARCH模型,对数“已实现”波动率的ARFIMA模型预测能力最好。

高频数据下商品期货波动率研究——基于不同已实现测度和改进的厚尾分布

商品期货收益率序列存在明显的厚尾现象,将扰动项设定为厚尾分布的波动率模型要优于普通Gaussian分布以及t分布模型。以7种损失函数作为评价准则,在扰动项分别服从偏t分布以及广义双曲线偏t分布时比较了波动率RV、二次幂变差BV以及medRV3种不同已实现测度下Realized GARCH模型对商品期货的波动性预测能力。最后得到扰动项服从ghst分布的Realized GARCH模型具有更优的预测能力。

上证180指数已实现波动率测度与特性分析——基于股改前后数据的对比

本文首先使用高频数据估计了上证180指数已实现波动率,然后对股权分置改革前后股指已实现波动率的特性进行分析和验证。实证结果表明,股改开始后,短期风险稍微减弱,中期风险显著增大,长期风险有所提高;上证180指数已实现波动率具有明显的持续性和长记忆性;在股改进行阶段和股市暴涨阶段,股指对数已实现波动率具有显著的不对称性,而在其他阶段不存在不对称性。

基于EMD-SE-LSTM模型的股指日内已实现波动率预测--以中证500指数为例

由于股指波动率具有非平稳、高嘈杂、非线性等特征,而传统的预测模型在建模时要求数据平稳、线性或近似线性,所以很难精准预测股指波动率。为提高股指波动率的预测效果,采用经验模态分解(EMD)、样本熵(SE)和长短期记忆网络(LSTM)构建的模型对股指日内已实现波动率进行预测。以中证500指数为例,经过EMD分解得到一系列分量,再根据分量的样本熵大小进行重构,最后利用LSTM对重构后的各序列进行预测。结果表明,EMD算法对LSTM模型的预测精度有很大的提升,相较于传统模型,EMD-SE-LSTM模型在预测股指波动率时精度更高,拟合优度更好。