已实现波动率预测:非对称二次滑动平均模型

本文对经典的指数加权滑动平均模型进行了拓展,提出了非对称二次滑动平均模型,简记为ADMA (asymmetric double moving average).与指数加权滑动平均模型相比,ADMA模型能够有效捕捉波动率的三个已知基本特征,即波动率的均值回复特征、长短期成分特征以及非对称特征.基于中美两国数据的实证研究发现,两国股指波动率中都存在显著的长短期成分以及非对称性,但是在美国股市中表现更为明显.同时为了验证ADMA模型的样本外预测效果,本文还将ADMA模型与HAR模型进行了对比分析.实证结果表明,无论是中短期的日度和周度预测,还是长期的月度预测,ADMA模型的预测效果都要显著地优于HAR模型.