基于高频数据的波动率预测研究

基于高频数据的金融分析与建模研究目前已成为金融工程研究领域的一大热点。在金融资产价格波动率的刻画上,金融高频波动率有着低频波动率无法比拟的信息优势,能够较为准确地刻画金融市场波动率的相关特征,并对金融市场波动率的变化做出较为精确的预测。本文选择基于高频数据的沪深300指数为样本,通过构建已实现波动率和已实现极差的长记忆性模型去研究高频数据建模预测中的方法,以对比研究的形式分析了已实现波动率和已实现极差在波动率预测中的能力大小,为高频数据波动率预测研究提供了参考和借鉴。     

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。     

高频环境下金融资产收益波动率研究的新进展

金融资产收益的波动率估计和预测是金融风险管理、金融衍生品定价以及投资组合选择中一个非常重要的核心环节,随着高频金融分时数据的广泛采集,高频已实现波动率的方法开始流行,以此为基础,金融资产收益波动率的估计、建模和预测研究大为拓展。从高频已实现波动率的估计、特征、预测模型这几个方面对国内外主要学术文献的研究成果进行综述,期望为该主题的深入研究提供一定的线索。     

基于“已实现”波动率的ARFIMA模型预测实证研究

本文采用二次移动平均方法平衡影响"已实现"波动率预测精度的测量误差和市场微观结构误差,利用沪深300指数高频数据实证研究,结果表明"已实现"波动率序列的分布是非正态分布且具有长记忆性,对数"已实现"波动率序列接近于正态分布;最后建立ARFIMA模型,并对波动率进行了预测研究。     

我国股市“已实现”波动率最优频率选取研究

近年来,随着高频数据的可获取,已实现波动率成为金融研究领域的热点,而抽样频率的选择对准确估计已实现波动率至关重要。最优抽样频率理论上应能较好的平衡测量误差和微观结构误差的存在,本文结合国内外的研究经验,给出了一种适合我国股票市场已实现波动率最优抽样频率的选取方法,并实证得出我国股票市场最优抽样频率为15分钟。     

我国股市“已实现”波动率最优频率选取研究

近年来,随着高频数据的可获取,已实现波动率成为金融研究领域的热点,而抽样频率的选择对准确估计已实现波动率至关重要。最优抽样频率理论上应能较好的平衡测量误差和微观结构误差的存在,本文结合国内外的研究经验,给出了一种适合我国股票市场已实现波动率最优抽样频率的选取方法,并实证得出我国股票市场最优抽样频率为15分钟。     

测量中国的金融不确定性——基于大数据的方法

本文基于 Jurado et al.(2015)提出的大数据分析方法,采用280个月度经济金融变量构造了2002-2017的中国金融不确定性指数,并从股票市场波动和金融机构系统性风险两个方面对中国的金融不确定性指数进行了实证分析。本文发现,在控制了滞后波动率后,金融不确定性指数仍然对股票市场的波动率有显著的预测作用;同时,金融不确定性的增加会显著提升金融机构的系统性风险,尤其是规模较大的金融机构。实证结果表明,金融不确定性是金融市场波动的一个重要来源。     

双次幂变差与价格跳跃的分离

高频数据的应用,使金融产品波动率的计量经济模型建模有了重要发展,构成本文研究的动机。本文研究了已实现单次幂变差和已实现的双次幂变差．研究结果表明已实现的双次幂变差对价格跳跃是稳健的．并且特定形式的双次幂变差是随机波动率模型（半鞅）已实现二次变差∫s^σads曲的一致估计。由于双次幂变差对价格跳跃是稳健的,所以价格跳跃的二次变差可以由已实现的二次变差与已实现的双次幂变差之差表示．从而可以把价格跳跃分离出来。本文将给出详细的数学推导过程及结果。最后,根据研究结果对上证指数000001进行实证分析。     

带高频信息及交互效应的波动率模型

本文利用股票市场的高频数据波动率预测,采用隔夜波动率和交易时段波动率预测模型,其中,隔夜波动率模型考虑了周末效应对波动率的影响,在交易时段波动率模型中,"已实现波动率"采用基于周平均收益率的函数系数形式,以考察短期收益与高频信息的交互影响,建立了函数系数GARCH模型。基于上证综指的实证分析显示,隔夜波动率存在明显的周末效应,交易时段波动率"杠杆效应"显著,短期收益与高频信息存在显著的非线性交互作用。     

基于高频数据的金融市场波动溢出分析

在讨论"已实现"波动率、"已实现"协方差基础上,针对金融市场的高频数据,引入"已实现"波动变结构,分阶段计算"已实现"波动率的相关系数,检验"已实现"波动率相关系数,判断在变结构点前后是否发生显著变化,从而分析金融市场之间的波动溢出效应,并进行实证分析。     

经济政策不确定性对黄金期货市场收益与波动影响的实证研究

错综复杂的国际局势下,经济政策不确定性越来越高,给金融市场带来难以估量的冲击.本文基于高频数据,运用向量自相关(VAR)模型研究经济政策不确定性对美国黄金期货市场收益和波动率的传导路径和影响程度.我们的研究结果表明:(1)经济政策不确定性主要通过供需渠道、金融渠道、市场间波动率溢出效应三种传导路径影响黄金市场.(2)经济政策不确定性对黄金收益有持续平稳的负向作用,对黄金波动率有持续的正向影响但影响较小,且具有滞后性.(3)经济政策不确定性冲击主要是通过跳跃波动影响黄金市场波动率.     

基于R-GARCH模型与HAR模型预测能力比较研究

本文采用沪深300日间隔为5分钟的高频数据,构建了日间收益序列和日已实现极差波动(RRV)序列,然后分别建立R-GARCH模型与HAR模型,并采用M-Z回归及损失函数作为判别准则对两类模型的波动预测能力进行了测度。结果表明,无论从M-Z回归结果还是损失函数值来看,R-GARCH模型都要优于HAR模型。     

时间序列模型在金融产品价格预测的效果分析

金融市场的波动率对资产定价、组合投资以及风险管理无论是在理论上还是在实践上都是非常重要的。本文选取两种不同的时间序列模型——实际波动率和 GARCH模型,对不同的金融产品价格进行预测并分析比较各自的效果。     

时间序列模型在金融产品价格预测的效果分析

金融市场的波动率对资产定价、组合投资以及风险管理无论是在理论上还是在实践上都是非常重要的。本文选取两种不同的时间序列模型——实际波动率和GARCH模型,对不同的金融产品价格进行预测并分析比较各自的效果。     

基于lnRV-VaR模型的沪深300股指期货风险测度与管理研究

鉴于低频数据信息采集的缺失和参数法VaR正态假设的局限,文章首先引入了高频数据模型,将参数法VaR应用于对数已实现波动率分布序列;然后建立lnRV-VaR模型对沪深300股指期货进行风险测度,并验证了这一风险测度模型的有效性和可操作性;最后提出可利用lnRV-VaR模型来改进市场风险β系数、设立动态保证金水平,将其应用于程序化交易等风险管理的对策建议。     

基于SEMIFAR模型的我国股市波动率的长记忆性研究

以深圳股票市场1997年1月1日至2011年10月10日深证成分指数行情数据为样本,采用SEMIFAR模型,研究中国股票市场波动率的长记忆特性。首先,对长记忆的统计检验进行计量分析,研究发现对数日波动率序列衰减缓慢并在滞后200阶的情况下依然显著,这表明我国股票市场波动率序列具有长记忆性。紧接着,尝试使用SEMIFAR模型对日波动率序列进行建模和预测,结果发现SEMIFAR模型在对数日波动率序列长记忆建模中效果很好。     

噪声、跳跃与高频价格波动——基于门限预平均实现波动的分析

高频数据中的噪声和价格跳跃使得波动的估计缺乏一致性,本文提出用门限预平均实现波动的方法估计同时存在市场微观结构噪声和价格跳跃时高频价格波动,该方法是资产价格实际波动的一致估计,并有最优的收敛速度。模拟发现,门限预平均实现波动和常用的高频波动估计方法相比,有更小的均方误差。中国证券市场的实证分析表明,门限预平均实现波动能减少波动预测误差,得到更为精确的风险管理价值。     

我国居民消费需求特征对行业股票波动率的影响研究

股票波动率的特征及其影响因素的研究对于金融市场稳定与发展、金融风险防范与控制、资产定价与管理具有重要的理论价值与现实意义.本文主要从家庭消费数据入手探究家庭年龄特征与家庭消费之间的决定关系,提出并计算宏观层面基于人口分布信息的居民消费变量,捕捉我国行业股票波动率的中长期动态趋势.本文AR-CS模型和市场波动率模型的实证结果均表明,我国居民消费需求特征很好地捕捉了行业股票波动率的长期趋势,能提高现有模型的拟合效果和预测能力,可为我国金融风险防范提供重要的参考依据.     

基于金砖国家数据的证券市场开放对资本成本影响的实证分析

本文运用金砖国家的数据,考察了证券市场开放对金融市场风险的影响,间接地考察了证券市场开放对资本成本的影响.实证结果显示,长期来看,证券市场的开放会降低金融市场的波动率,从而降低资本成本.短期来看,证券市场的开放会增加金融市场的波动率,但巴西的成功经验值得中国借鉴.本文从资本成本、资本积累的角度为金融开放促进经济增长提供了部分的实证证据.     

基于半参数LM-ARMAX模型的股价波动成因分析

对股票价格波动的建模分析,一直是经济与金融研究的核心领域,是什么导致了股票价格的波动,也一直是投资主体共同关注的话题。有鉴于此,本文选择沪市1991-2010年所有上市公司的数据,建立了LM-ARMAX模型来实证股票价格波动的决定因素,最后根据模型半参数估计的结果,进行了基于半参数估计的非线性检验和基于Wild Bootstrap的Smirnov检验,结果表明:市账率和成交量是股票价格波动的主要因素,而净资产收益率对股票价格波动的影响不显著。