波动预测建模与尾部风险测量方法

  作为中国资本市场的对冲工具，股指期货在2015年经历了一轮极端牛熊市。在股指异常波动阴影下，研究股指期货尾部风险的测量方法，对风险管理与资产配置具有理论意义和实践意义。传统风险测量方法通常利用低频波动率构建尾部风险VaR和ES估计量，但高频波动率比低频波动率蕴含更多信息且计算效率更高，利用高频波动率建立高效的尾部风险测量方法成为研究趋势。         基于条件极值理论和新型高频波动率，构建RV-EVT框架的股指期货尾部风险测量方法。阐述已实现波动率衍生的跳跃、好坏波动和符号跳跃理论；为提高波动率估计精度，利用已实现核修正CPR跳跃检验、好坏波动和符号跳跃；考虑跳跃、好坏波动和符号跳跃建立4组对数形式的HAR类波动预测模型。在极值理论框架中嵌入HAR类模型预测波动率，构建两步法的RV-EVT尾部风险测量方法；根据样本外滚动预测评估股指期货尾部风险测量水平，采用无条件覆盖和自枚举检验对VaR和ES进行回测分析。         研究结果表明，波动率的样本外滚动预测显示，HAR波动预测框架下好坏波动分解优于连续跳跃波动分解，好坏波动衍生出的正负符号跳跃具有极为突出的波动预测能力；回测分析检验结果显著，尾部超出数接近理论预期，表明RV-EVT尾部风险测量方法有效；HAR-RV-RS和HAR-RV-SJd模型的尾部风险测量表现最佳；ES模型比；VaR模型具有更优的尾部风险测量水平，特别是在高风险状态下ES模型能弥补VaR模型失控的缺陷；通过量化交易资金管理研究，揭示尾部风险测量方法的应用价值。         建立了高频波动率与风险管理的桥梁，为金融资产尾部风险度量提供了有效方法，对资产配置和风险控制具有借鉴意义。     

基于四次幂差修正HAR模型的股指期货波动率预测

股指期货波动率建模与预测是揭示其波动运行规律和市场风险是重要途径。本文基于跳跃、好坏波动率与符号跳跃建立四组HAR模型，提出单级纠偏HARQ类模型和多级纠偏HARQF类模型，实证研究揭示股指期货波动运行规律，并采用MCS检验来评估模型优劣。HAR建模考察连续与跳跃波动、好与坏波动率的两种已实现波动分解。为了降低波动率估计偏差，基于最小化MSE准则确定最优抽样频率，利用已实现核修正的ADS检测法识别跳跃，采用已实现核估计修正好坏波动率与符号跳跃。基于沪深300股指期货的实证研究表明：连续波动比跳跃波动对未来已实现波动贡献更大；好坏波动率具有不对称波动冲击，而符号跳跃对未来波动具有负向冲击；好坏波动率分解优于连续与跳跃波动分解；中位数已实现四次幂差能够显著提升HAR类模型的样本内外预测能力；与样本内预测相反，样本外预测中单级纠偏HARQ类模型优于多级纠偏HARQF类模型；MCS检验得出HARQ-RV-SJ模型表现最佳。研究结论与启示对认识股指期货波动规律和市场风险具有意义。