中国股市波动率预测研究:基于实时已实现EGARCH-MIDAS模型

本文构建了一个能够充分捕获高频数据信息、当前收益率信息以及波动率长记忆性的实时已实现EGARCH-MIDAS(RT-REGARCH-MIDAS)模型对中国股市波动率进行建模和预测.采用上证综合指数(SSEC)和深证成份指数(SZSEC)5分钟高频数据进行实证研究,结果表明:RT-REGARCH-MIDAS模型相比其它众多竞争模型具有更好的收益率数据拟合效果,能够更好地描述股市波动性.利用稳健的损失函数以及模型置信集(MCS)检验作为判断准则,实证比较了该模型与其它竞争模型对中国股市波动率的样本外预测能力.实证结果表明:捕获高频数据信息、当前收益率信息和波动率长记忆性对于股市波动率预测具有重要作用;在众多竞争模型中,RT-REGARCH-MIDAS模型具有最为优越的波动率预测能力.进一步,采用不同的已实现测度、不同的预测窗口、不同的MIDAS滞后阶数、不同的预测期以及样本外R2检验进行稳健性检验,证实了该模型优越的波动率预测能力具有稳健性.最后,通过考察模型波动择时策略发现,该模型能够获得相比其它模型显著更高的投资组合经济价值.