基于样本分位数的波动率估计:条件自回归拟极差模型

考虑到金融市场收益率分布的厚尾性，在数值模拟的基础上，提出了一类新的波动率模型一条件自回归拟极差模型（QCARR）。QCARR和Chou（2005）所提出CARR模型，Engle（2002）所提出的ACD模型等具有类似的结构，可看作CARR在样本分位数下的推广。利用上证综指估计了两种特殊类型的QCARR模型（QCARR1，QCARR2），采用滚动样本预测的方法，比较了上述模型与经过常数调整的CARR（ACARR）以及GARCH的样本外预测能力。结果表明：（i）对模拟数据，在所考虑的估计方法中，第二类拟极差估计和调整极差估计最优。（ii）对上证综指收益率数据，无论是预测的误差分析还是回归分析，QCARR，在上述模型中都是最优的，对上述结论我们给出了相应的解释。     

基于实现极差和实现波动率的中国金融市场风险测度研究

目前比较流行的金融市场风险价值研究一般采用日收益数据,并基于GARCH类模型进行估计和预测。本文利用沪深股指日内高频数据,分别通过ARFIMA模型和CARR模型对实现波动率和较新的实现极差建模,计算风险价值。通过对VaR的似然比和动态分位数等回测检验,实证分析了各种模型的VaR预测能力。结果显示,使用日内高频数据的实现波动率和实现极差模型的预测能力强于采用日数据的各种GARCH类模型。