基于结构突变的动态高阶矩Realized EGARCH模型及应用

研究目标:考虑资产收益率条件高阶矩的动态特征以及突发事件对于金融市场的影响,构建基于结构突变的动态高阶矩Realized EGARCH模型,对创业板市场波动率进行预测和风险度量。研究方法:在Wu等(2020)提出的Realized EGARCH-SK模型的基础上,将残差拓展为偏t分布,同时应用修正的ICSS算法识别结构突变点,将其作为虚拟变量引入动态高阶矩Realized EGARCH模型中,并应用稳健损失函数以及(非)条件覆盖检验来综合比较各模型的波动率预测精度和VaR预测准确性。研究发现:考虑条件偏度和峰度动态效应以及结构突变因素的Realized EGARCH模型有助于提高模型的拟合能力、波动率的预测精度和风险度量的准确性;Gram-Charlier扩展分布在模型的拟合能力和VaR预测的表现上明显不如偏t分布。研究创新:将残差拓展为偏t分布同时加入结构突变因素有效改进波动率模型的拟合、预测和风险度量效果。研究价值:丰富了动态高阶矩高频波动率模型,结构突变的监测和纳入可为金融投资者和风险管理者的投资决策提供实质性参考。

基于混频抽样和杠杆效应的高频波动率模型预测

基于长记忆性的视角,将混频数据抽样(mixed data sampling)引入Realized GARCH模型的条件方差方程中,扩展得到Realized MIDAS GARCH模型,结合金融波动的非对称杠杆效应(asymmetric leverage effect),构建得到Realized MIDAS EGARCH模型,进一步考虑传统的正态分布假设不能够刻画金融时间序列的非对称性、非正态性、厚尾性等特征,将偏t分布引入Realized MIDAS EGARCH模型中,构建了基于偏t分布的Realized MIDAS EGARCH模型,推导其参数估计方法,并基于滚动时间窗技术预测和比SPA检验更具优势的模型置信集(model confidence set,MCS)检验评估各种波动率模型对我国期货黄金市场波动的预测能力.实证结果表明:Realized MIDAS GARCH族模型比起Realized GARCH族模型有更优的拟合能力,捕捉长记忆性的能力更强;考虑杠杆效应和非对称厚尾分布能够提升模型的解释能力和预测能力;基于偏t分布的Realized MIDAS EGARCH模型是本文所探讨的8种高频波动率模型里面拥有最高样本内拟合优度、最强长记忆性的捕捉能力和最优样本外预测精度的高频波动率模型.