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.

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.

基于不同跳跃检验下的高频波动率模型预测

通过利用三种主流的跳跃检验识别方法,结合已实现异质自回归模型和基于已实现正负变差的思想,构建不同类型的高频波动率模型,以此评价不同跳跃检验的跳跃成分对波动率预测精度影响的优劣。MCS实证结果发现,跳跃作为解释变量有助于提高波动率模型的预测能力。另外,本文还发现LM检验得到的跳跃成分更有助于提高波动率模型的预测精度。最后,基于已实现正负变差和LM跳跃检验构建的新的波动率模型,HAR-S-RV-JV,相比其他的高频波动率模型,具有更好的预测表现能力。

考虑跳跃和杠杆效应的股市多分形波动率建模

考虑股票市场中存在的跳跃行为和杠杆效应等特征,在HAR模型基础上,构建了一种新的多分形波动率模型.以上证指数和深证成指每5 min高频数据为研究样本,运用“模型信度设定”(MCS)检验方法,实证对比了各波动率模型在高波动和低波动两个子样本期对我国股市的预测能力.实证研究结果表明,所提出的多分形波动率测度指标及其计量模型具有较好的预测作用,特别是在高(极端)波动时期其优势更为突出;研究结果有望为金融风险(特别是极端风险)的管理与控制提供新思路与新方法.