高频视角下股市波动预测的新方法: HAＲFIMA 模型

异质自回归(heterogeneous autoregressive,HAＲ) 及其拓展模型(统称为 HAＲ-类模型) 能够刻画不同类型(期限) 交易者的异质性对金融市场未来价格波动的“贡献”程度,在实证研究中备受推崇,并在预测金融市场波动率中取得了较好的效果． 研究发现,HAＲ-类模型虽然能够在一定程度上刻画金融市场中非常重要的长记忆特征,但刻画能力明显比自回归分整移动平均(AＲFIMA) 模型差． HAＲ-类模型的主要优势在于对异质性的刻画,而 AＲFIMA 模型的主要优势在于对长记忆性的准确刻画． 因此,基于这两个模型各自的优势提出了新的模型: 异质自回归分整移动平均(HAＲFIMA) 模型,并对新模型进行了拓展建模,提出 HAＲFIMA-类模型． 将 HAＲFIMA-类模型运用于对标普 500 和上证综指的已实现波动率(ＲV) 的建模和预测发现, HAＲFIMA-类模型能够更加准确地刻画金融市场的长记忆性,更重要的是样本外的预测能力明显优于其他模型,并且预测结果相当稳健．     

长记忆性、结构突变条件下中国股市波动率的高频预测

本文在考察上证综指和深证成指日已实现波动率的长记忆性特征和结构突变的基础上构建了已实现波动率自回归结构突变模型,并用于进行预测.预测结果表明,在未来结构突变已知情形下,自回归结构突变模型的预测效果比其他预测模型要好,在未来结构突变未知情形下,该模型的预测效果比ABDL模型稍微差,而ABDL模型在两种情形下都是比较稳健的预测模型.     

股市波动率的短期预测模型和预测精度评价

基于幂转换以及不设定扰动项的具体相关结构和分布形式,构建了半参数的短期预测模型来预测中国股市的波动率.模型采用基于极值估计量的两阶段估计法进行估计,估计方法的小样本性质表现良好.此外,还通过具有Bootstrap特性的SPA检验实证比较了新模型与其他6种预测模型的预测精度.实证结果表明,在各种损失函数下,半参数短期预测...     

跳跃的估计、股市波动率的预测以及预测精度评价

本文基于C_TMPV理论估计已实现波动率的跳跃成分,在此基础上构建考虑跳跃的AHAR-RV-CJ模型和MIDAS-RV-CJ模型来预测中国股市的已实现波动率,并评价和比较各类波动率模型的预测精度。实证结果表明:基于C_TMPV估计的波动率跳跃成分对日、周以及月波动率的预测有显著的正向影响;AHAR-RV-CJ模型和MIDAS-RV-CJ模型的样本内和样本外预测精度在不同的预测时域上都是最高的,尤其是对数形式的模型;MIDAS族模型的样本外预测精度在中长期预测时域上比HAR族模型高;AHAR-RV-CJ模型和MIDAS-RV-CJ模型的样本外预测能力在中长期预测时域上比基于低频数据的Jump-GARCH模型、SV-CJ模型和SV-IJ模型好。     

基于贝叶斯因子模型金融高频波动率预测研究

构建了包含时变系数和动态方差的贝叶斯HAR潜在因子模型(DMA(DMS)-FAHAR),并对我国金融期货(主要是股指期货和国债期货)的高频已实现波动率进行预测.通过构建贝叶斯动态潜在因子模型提取包含波动率变量、跳跃变量和考虑杠杆效应的符号跳跃变量等预测变量的重要信息.同时,在模型中加入了投机活动变量,以考察市场投机活动对中国金融期货市场波动率预测的影响.预测结果表明,时变贝叶斯潜在因子模型在所有参与比较的预测模型当中具有最优的短期、中期和长期预测效果.同时,具有时变参数和时变预测变量的贝叶斯HAR族模型在很大程度上提高了固定参数HAR族模型的预测能力.在股指期货和国债期货的预测模型中加入投机活动变量可以获得更好的预测效果.     

平准基金干预股市的行为异质性代理模型北大核心CSCDCSSCI

在有限理性框架下,建立了以市场基本面为参考点的平准基金行为异质性代理模型-该模型包括3类投资者:传统的价值派、技术派及新建立的稳定者.稳定者作为平准基金干预市场的角色代理,会根据市场真实波动与其干预阈值的相对大小动态调整干预深度,同时引导投资者信念的转换,以使价格的正、负反馈力量达到均衡,保持市场稳定.另外,对平准基金干预行为进行了计算实验及动力学性能分析,研究发现平准基金干预阈值、干预深度及市场特征参数是影响平抑效果的重要参数,其中干预深度对平抑效果的影响较大.     

经济政策不确定性与我国股市波动率预测研究北大核心CSCDCSSCI

股票市场的波动与实体经济走势以及宏观经济政策密切相关.因此,以Baker的经济政策不确定性(economic policy uncertainty,EPU)指数和我国股市代表性的股价指数——上证综指为对象,运用广义自回归条件异方差混频数据抽样(GARCH-MIDAS)模型,分析了经济政策不确定性对上证综指波动率的影响,并运用该模型与常见的多种GARCH族模型进行了样本外波动率预测的对比研究.实证结果表明,EPU指数能够很好地解释我国股市波动的长期成分,并显著改善对上证综指波动率的预测精度;同时,模型信度集合(model confidence set,MCS)检验结果进一步证实,基于混频数据的GARCH-MIDAS模型能显著打败常见的多种GARCH族模型.     

基于符号收益和跳跃变差的高频波动率模型

基于符号收益率的视角,对现有的HAR-RV类及其跳跃扩展模型进行相应分解,构建新型的HAR-RV类波动率模型.进一步,结合符号收益和不同的跳跃识别检验方法,提出了包含符号跳跃变差的HAR-RV类模型,并利用样本外滚动窗预测技术和"模型信度设定"(MCS)检验法评价了各种新旧HAR-RV模型对我国沪深300股价指数波动的预测能力.结果表明:基于C_TZ跳跃识别检验的符号跳跃变差能显著改善波动率模型的短期预测能力,但在中长期波动预测时,符号跳跃变差未能明显提升HAR-RV类模型的预测精度;新提出的HAR-S-RV-TJ-TSJV模型和HAR-S-RV-TJ模型分别在对短期(未来1天)和中长期(未来5天和20天)的波动预测检验中,展现出了最高的预测精度.     

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。     

混频投资者情绪与股票价格行为北大核心CSCDCSSCI

采用混频数据抽样模型(MIDAS)研究了混频投资者情绪对中国股市收益率及其波动的影响.通过构建日度、周度及月度这三种不同频率的投资者情绪,实证结果发现,混频情绪对当期收益率及其波动都存在显著的正向影响,并且与传统回归模型相比,MIDAS模型具有更强的解释能力.本文进一步使用GARCH-MIDAS模型研究了混频情绪对收益率波动长期成分的影响,发现混频情绪能够显著影响收益的长期波动.     

GARCH类模型波动率预测评价

GARCH类模型已经广泛运用于波动率的预测,但对模型的预测表现进行评价却受到了忽视,其主要原因是缺乏合适的衡量标准。本文首先运用GARCH类模型对上证指数收益率进行了全面的估计及样本外预测,然后以已实现波动率作为波动率预测的评价标准,通过M-Z回归和损失函数来评价GARCH类模型的波动率预测表现。结果表明,无论是样本内还是样本外,GARCH类模型都能够较好的预测上证指数的收益波动率。其中,偏斜t-分布假设下的GJR(1,1)模型的预测能力最强。     

考虑跳跃和隔夜波动的中国股票市场波动率建模与预测

本文用已实现波动率（Realized Volatility, RV）度量上证综指和深证成指在交易时间内的波动率,并将其分解为连续路径变差部分和由跳跃引起的非连续部分。这两部分与隔夜波动率共同构成日波动率。本文对日波动率的三个组成部分建立HAR-CJN模型,探究了波动率不同成分之间的相互影响以及在预测中的作用。结果表明连续变差对日波动率的各组成部分均有显著的正向影响,在预测中的贡献最大;而跳变差的影响一般比连续变差的要弱,且随着滞后期的长短而有所不同。样本外预测结果显示HAR-CJN模型的预测表现要远远优于GARCH族模型,并在向前一天和一月的预测中优于普通的HAR-RV模型。     

已实现跳跃波动与中国股市风险溢价研究——基于股票组合视角

基于我国股市5分钟高频数据为研究样本,采用非参数方法估计了Fama-French25个股票组合的已实现跳跃波动率的主要成分(规模、均值、标准差和到达率等),实证分析表明:(1)已实现跳跃波动的主要成分可通过线性和非线性(交叉项)形式预测大部分股票组合的超额收益率.(2)已实现跳跃波动率成分在一定程度上可以通过线性方式解释股票组合的横截面收益.(3)已实现跳跃波动率可能是Fama-French三因子模型中规模因子和账面市值比因子的背后驱动因素.     

区间均值条件波动率模型

本文讨论了有、无冲击（Innovations）对资产波动率的不对称性影响,它是现有研究关于正、负冲击不对称性影响的扩展。本文以GARCH模型为基础,假设条件均值为一个区问,建立了基于区间均值的GARCH模型及其非对称形式,并讨论了该类模型的估计方法。在中国债券市场的实证分析中发现,本文提出的模型能够更好地捕捉市场上波动特征;以已实现波动率为基准,区间均值GARCH模型取得了比GARCH模型更好的预测效果。     

股市波动结构研究进展及述评

经典理论对股市波动在市场、行业、股票3个层次没有给出论述。本文剖析了波动结构二分理论和三分理论,并作了相应的比较评述。     

基于C_TMPV的中国股市高频波动率的跳跃行为研究

运用2000年1月4日至2008年12月31日上证综指每5分钟的高频金融数据,采用核估计量估计中国股市高频波动率序列,运用修正的已实现门阀多次幂变差估计中国股市高频波动率的跳跃序列,实证分析中国股市高频波动率跳跃的各种特征,并运用ACD模型、ACH模型以及扩展的ACH模型进一步分析中国股市高频波动率跳跃的持续期的特征.研究结果表明,中国股市高频波动率及其跳跃都具有集聚的特征,高频波动率发生显著跳跃的比例相当高,高频波动率跳跃的幅度、强度和跳跃幅度的分布都具有时变性,而跳跃对高频波动率的贡献却具有相对稳定性;在样本期,中国股市高频波动率跳跃表现出较强的正相关性,且跳跃的持续期存在较强的长记忆性和周日历效应.     

考虑微观结构噪声与测量误差的波动率预测

以测量误差的分布理论为基础,本文将微观结构噪声的影响引入到测量误差的方差中,构建了包含微观结构噪声影响的HARQ-N模型。使用蒙特卡洛模拟与中国股市的高频数据对HAR、HARQ、HARQ-N模型与HAR-RV-N-CJ模型的估计和预测进行了比较,研究发现,HARQ模型和HARQ-N模型的测量误差修正项对波动率的影响系数统计显著为负,HARQ-N模型的测量误差项影响系数远大于HARQ模型,更大程度地减弱当期微观结构噪声和测量误差的影响。并且,考虑微观结构噪声和测量误差的HARQ-N模型样本内和样本外预测效果在统计上显著优于HAR模型、HARQ模型与HAR-RV-N-CJ模型。     

基于“已实现”波动率ARFI模型和CAViaR模型的VaR预测比较研究

高频金融数据在风险价值VaR度量和预测方面的价值已经引起了学术界和业界的广泛兴趣。计算和预测VaR的方法广义上可以分为两大类:间接法和直接法,在有了高频数据后,两类方法均可行,尤其是由于高频数据导出的"已实现"波动率的出现,使得间接法有明显改进。本文将从间接法中选取基于"已实现"波动率的ARFI模型与从直接法中选取的两个CAViaR模型进行比较,采用沪深300、上证指数、深证成指的5分钟高频数据,根据多种在评价VaR预测模型表现时广泛使用的后验测试,对各模型进行实证检验,结果表明基于CAViaR模型的预测表现优于基于"已实现"波动率的ARFI模型,这对风险管理从业者有一定的参考意义。     

“坏”跳跃、“好”跳跃与高频波动率预测

  准确的波动率预测对资产组合配置和风险管理有非常重要的意义,在当今大数据时代,充分利用股市高频数据预测股票波动率成为可能。         股市高频信息的一种应用是使用已实现方差和它的组成部分预测股票波动率。已实现方差可以拆分为已实现负半方差和已实现正半方差两个部分。由于已实现负半方差和已实现正半方差极限形式中包含的连续运动部分完全一致,所以它们的不同仅来源于它们跳跃部分的差异,但连续运动部分的存在是否会“稀释”股价跳跃对波动率所产生的影响,为此有必要进一步提取负跳跃和正跳跃。基于负跳跃变差和正跳跃变差,利用HAR模型研究两种不同方向的跳跃是否对波动率产生不对称影响,使用DM统计量和样本外 R²_OS,作为评判标准,考察这种区分跳跃方向的做法是否改进了对波动率的预测能力。         研究结果表明,①负跳跃对应未来波动率上升,正跳跃对应未来波动率下降。作为风险规避者的投资者厌恶风险和不确定性,意味着投资者厌恶未来波动率上升而偏好未来波动率下降。因此,将股价的负跳跃称为“坏”跳跃,将股价的正跳跃称为“好”跳跃。②“好”跳跃导致未来波动率下降,而连续运动部分的上升导致未来波动率上升,两者效应的总和是已实现正半方差对未来波动率的影响不显著;“坏”跳跃和连续运动部分的上升都导致未来波动率上升,两者效应的总和是已实现负半方差对未来波动率产生显著的正影响。③利用“坏”跳跃和“好”跳跃不但能够更好地拟合样本内的未来波动率,而且还能够明显地改善波动率的样本外预测能力。         研究结果支持日内收益率的正负符号信息在波动率预测领域有其价值,两种不同方向的跳跃对波动率产生不对称影响。在波动率预测实践中,利用“坏”跳跃和“好”跳跃能够改进对波动率的预测能力。     

全球金融危机下的股票市场波动跳跃研究——基于高频数据的中美比较分析

本文以雷曼破产日至2009年1月底这段时期内上证综指、恒生指数以及S&P500指数的日内高频数据作为研究对象,采用跳跃显著性检验方法和扩展HAR模型,对波动跳跃特征进行了实证研究.结果表明:雷曼危机导致股市波动的显著提高,但中国内地股市受到的影响最小;中国香港股市成为波动跳跃发生频率最高、跳跃幅度最大的市场,且波动跳跃主要发生在夜间休市时间内;雷曼危机使得波动率模型的预测精度大大降低,股市风险变得更加难以预测,对于新兴市场来说这一现象更加明显.