基于高频数据的金融波动率模型

金融高频数据和金融波动率是目前金融领域研究的热点问题。本文对基于金融高频数据的金融波动率估计量——"已实现"双幂次变差进行了建模和预测。"已实现"双幂次变差无模型、计算简便,在一定条件下是金融波动率的无偏估计量,并且具有稳健性和有效性。通过用上证综指对"已实现"双幂次变差进行ARFIMA建模,发现中国股票市场的上证综指"已实现"双幂次变差时间序列具有长记忆性。     

金融市场波动跳跃、跳跃相依与跳跃风险:基于股指高频数据的研究

运用股指高频数据,首先构建基于一般已实现波动率与双幂次变差的RV-regular vine copula模型,比较分析两个模型在刻画资本市场之间的波动跳跃结构的差异;然后,考虑股票价格存在跳跃的情形,分析离散跳跃的统计特征,研究资本市场之间跳跃相依结构,并通过模拟计算市场在险价值来探讨市场之间的跳跃相依风险。研究发现:由于跳跃的存在,采用双幂次变差所构建的RV-regular vine copula模型在参数估计结果方面表现更佳;跳跃序列存在尖峰厚尾的特征以及跳跃聚集的现象,而跳跃相依风险可以通过构建合适的资产组合来降低。     

中国银行间回购利率已实现跳跃的甄别与建模

以二次幂变差的测量为理论基础,研究了银行间回购利率的跳跃行为.将已实现波动率分解为连续样本路径方差和离散跳跃方差,研究了跳跃方差序列的统计特征,并且应用HAR-RV-CJ模型对中国银行问回购利率的已实现波动率进行预测.     

基于金融高频数据的VaR研究

选取具有良好统计性质的金融波动率估计量来构建VaR,,可以使市场风险的度量更为准确.高频数据由于比低频数据包含了更多的市场信息,因此基于高频数据的金融波动率估计量更为准确.但是基于高频数据的波动率估计量为数众多,目前仅有对各个估计量本身性质的比较研究,在应用于VaR的研究中如何选取估计量使得VaR的计算更为准确则不得而知.因此,文章选取了高频数据下的若干个有代表性的金融波动率估计量,进行VaR值的计算,并对其结果进行了比较研究,同时进行了持续性分析.通过实证研究表明V2R序列具有持续性,其中由赋权"已实现"双幂次变差计算所得的VaR值更准确,从而为VaR的精确计算和正确建模提供了依据.     

基于中国隐含波动率和方差溢价的实证研究

隐含波动率在资本市场中发挥着重要作用,本文使用二次幂变差方法,首次就我国股市的隐含波动率指数及其方差溢价对股市收益和宏观经济活动的预测能力进行实证分析.研究发现:隐含波动率的增加会加剧市场波动风险;方差的连续部分和跳跃部分对未来的实现方差具有显著的正向影响;相对于周收益,方差溢价和波动率指数对月度收益的预测能力更强;隐含波动率指数和方差溢价目前无法对我国宏观经济活动起到预测作用.研究结论为进一步分析我国证券市场的风险偏好提供了经验证据.     

中国资产价格跳跃行为研究——基于高频数据集的分析

利用日内高频数据,分别通过实现波动率模型和实现二次幂波动模型对资产价格的波动率和连续部分波动率建模,并据此得到资产价格跳跃部分的动态行为模型,分离出发生跳跃的天数、跳跃的大小和方向。结果显示,中国金融市场中的资产跳跃行为密集发生在市场波动性较大的时刻,其大小和间隔期均具有群聚现象,且五种代表性资产价格的跳跃密度均呈左偏分布,说明中国股权市场中向下发生的跳跃多于向上的跳跃。     

实现相关系数模型:基于动态相关高频Bi-GARCH过程的MC检验

使用高频数据构建的实现波动率已被多数文献证实具有良好的实证性质和应用前景。文章通过构建具有不同动态相关模式的高频Bi-GARCH模型,对其多元方向扩展的实现相关系数模型捕捉变动金融资产价格相关系数的能力和其他常用模型进行了蒙特卡洛对比测试。研究证明,该模型与其他模型相比是否具有显著优势依赖于相关系数的变化方式:当金融市场较为平稳,资产价格相关系数相对稳定时,此类方法并不明显的优于其它方法;然而当金融市场急剧变化导致资产价格相关系数快速变动时,此类方法要显著优于其它方法。     

基于高频数据的赋权已实现极差β估计量的构建

大量的文献研究表明系统风险系数β随时间的改变而改变。文章采用高频金融数据,通过赋权已实现极差方差和赋权已实现极差协方差来度量市场收益的方差和股票收益与市场收益的协方差,构建了赋权已实现极差β估计量,对系统风险系数β进行了研究。实证研究证明,中国股票市场中的系统风险系数β随着时间的改变而改变,具有较高的偏度和峰度,其分布均不符合正态分布。     

中国股市波动率与收益率的因果关系研究

文章以上证综指2000年到2008年高频数据为例,基于Dufour、Taamouti(2010)测量短期和长期因果关系的方法构建了一个关于收益率与波动率的向量自回归线性模型,用来测量和比较了中国股票市场收益率和波动率之间的动态杠杆效应、波动率反馈效应等因果关系.实证结果表明我国股票市场无论是对已实现波动率还是对二次变差前三天都有较强的动态杠杆效应,而波动率反馈效应在所有的时间跨度上都可以忽略不计,并且收益率和波动率之间的瞬时因果关系在有些时间跨度上较显著.     

中国股票市场波动率模型预测效果的实证检验

文章首先在已实现波动和多重分形波动率的基础上提出了一种改进的波动率测度,即已实现多分形波动率测度.其次,以上证综指2008年1月2日至2012年12月31日一分钟高频数据为样本,构造了7种常用的基于高频金融序列的波动率测度,并分别采用ARMA和ARFIMA模型对波动率进行建模和预测.最后通过使用统计自举方法与模型置信度设定(MCS)检验相结合的方法,对各种波动率模型预测效果进行了检验.检测的结果证实已实现多重分形波动率预测模型的预测效果明显优于其他模型.     

基于高频数据的股指风险价值预测

以高频数据为基础,本文比较研究了股指风险价值的预测问题。通过构造日"已实现"波动,并建立对数"已实现"标准差的ARFIMA模型,进而构造高频风险价值预测模型。同时,该模型与能够考察非对称性和长记忆性的APARCH模型进行比较。研究结果表明,高频风险价值预测模型具有明显的优势,能够更好的预测风险。     

已实现波动率在我国金融市场的应用前景

作为金融计量学研究的一种新工具,已实现波动率以它独特的优势赢得了学者们的青睐,溶入了金融计量学各个分支领域的研究,并在一定程度上推动着这些领域的发展.然而,这种新兴的方法也不可避免地存在一些问题,有待于未来研究工作的改进和拓展.在我国金融市场未来的发展中,已实现波动率将发挥不可低估的作用.     

基于高频数据的沪指波动长记忆性驱动因素分析

借助于高频数据的最优取样法,利用已实现波动率给出的上证指数波动率的有效估计,在研究已实现波动率特性的基础上,用计量模型探讨沪指波动的长记忆特征.发现HAR-RV模型比FARIMA模型更能有效地刻画沪指波动的长记忆性,且HAR-RV模型样本外预测效果远远优于FARIMA模型,这说明沪指波动具有伪长记忆性,表面特征显示的长记忆性是由短期投资、中期投资和长期投资形成的短记忆性叠加而成.同时由于HAR-RV模型综合考虑了不同时间水平上的已实现波动率,从而在深层次上验证了中国股票市场的异质性和波动率的杠杆效应.     

我国燃油期货市场的波动率预测模型

准确描述和预测石油及其相关产品的价格波动对各国政府能源政策的制定以及能源风险管理工作意义重大。文章以上海期货交易所燃油期货的15分钟高频价格数据为例,实证计算了三类代表性波动率模型:已实现波动率模型、随机波动模型以及GARCH族模型对我国燃油期货价格波动的预测值,同时,采用多种损失函数对比了三类波动率模型。实证结果表明,基于高频数据的已实现波动率模型对我国燃油期货市场具有最好的波动预测精度。而就基于日数据的模型而言,随机波动模型要明显强于GARCH族模型。     

基于股本权证定价效果的最优波动率模型选择

文章以沪深交易所上市的分离交易可转债所附带的权证及其标的股票日收益率和5分钟高频交易数据为样本,在对隐舍波动率模型、已实现波动率模型以及历史波动率模型参数估计的基础上,以股本权证市场价格为评价基准,分别测算了基于三个波动率模型的定价效果.研究发现,基于隐含波动率模型的定价结果具有最小平均绝对偏差与平均相对偏差,模型效果最优;基于历史波动率模型的定价结果对股本权证市场价格普遍低估.     

基于高维波动率网络模型的股票市场风险特征研究

波动率是金融风险管理研究的重要内容之一。本文基于复杂网络理论和数据挖掘技术提出股票市场的高维波动率网络模型。首先运用互信息度量不同股票价格波动之间的相关关系,其次对股票市场不同周期下的波动情况建立度的中心势、平均距离、幂律分布等网络拓扑指标,再次根据这些指标利用Prim算法构建出高维波动率网络模型,最后运用Newman-Girvan算法对股票价格波动率的相关性进行分层研究。高维波动率网络模型突破了传统波动率模型关于变量维数的限制,能够在依赖少量假设的基础上,挖掘出多个金融市场主体间的相互关系,反映金融市场的风险特征及网络拓扑性质。实证结果发现：与常用的Pearson相关系数法相比,在互信息框架下,股价波动的非线性相关关系得到了更好的度量;股票市场的整体波动性与个股波动率相关性变化趋势相反,市场处在高波动时期资产组合分散化效果较好;网络中存在少量度数大的关键节点和中心节点,风险通过这些节点可以迅速传递到整个市场;股票市场的运行具有明显的行业聚集现象;网络分层研究进一步直观的展现了风险在层与层之间的传递规律和与之对应的行业特征。高维波动率网络模型为挖掘股票市场的风险特征与管理金融风险提供了一个新的工具。     

基于高频金融数据的积分波动估计量分析

金融波动研究一直是金融计量与金融工程研究的中心内容之一。随着信息技术的飞速发展,使得金融高频数据获得和处理变得相对容易,因而高频金融波动研究也就成了金融学术界热点之一。针对ARCH类和SV类模型在实际应用中的困难和在高频金融中应用上的局限性,Bellerslev等人提出了用“已实现”波动(realized volatility亦称“已实现”波动率)来测量高频金融的波动率。本文采用等间隔和非等间隔抽样方法进行比较,以确定最佳的积分波动估计量。     

本期导读

随着计算机技术和通讯技术水平的提升,采集和存储高频金融数据已成为可能,这使得采用高频数据来度量系统风险系数β也成为可能。《基于高频数据的赋权已实现极差β估计量的构建》一文,采用高频金融数据,通过赋权已实现极差方差和赋权已实现极差协方差来度量市场收益的方差和股票收益与市场收益的协方差,构建赋权已实现极差β估计量,并对系统风险系数β进行了研究。目前,国内外对样本定量的研究大多是建立在调查精度和费用控     

"已实现"波动率中最优抽样频率的选择

"已实现"波动率是近年来金融研究领域中的热点问题,而抽样频率的选择对"已实现"波动率的准确度量至关重要.最优抽样频率应能够较好地平衡估计误差和微观结构误差.针对这个问题,文章给出了目前国外采用较多的三类选择最优抽样频率的方法,即波动率特征图法、利用序列相关性确定最优抽样频率的方法和基于最小均方误准则确定最优抽样频率的方法.     

高频数据驱动的连续时间模型估计

现代金融经济学中连续时间模型能够更方便地描述重要经济变量的动态过程如股价、汇率和利率等。为连续时间模型提出了一种高频数据驱动的二阶段估计方法,增强了连续时间扩展模型的弹性和可操作性。以Vasicek模型为例给出了该方法的应用实例,首先在第一阶段使用实现波动率方法估计出模型的扩散项参数,然后使用实际数据的稳态分布的前向方程估计漂移项参数。此方法对模型初始设定和优化算法依赖程度低,结果较为稳定可靠。