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。

Methodology of Volatility Forecasting Modelling and Tail Risk Measurement