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。     

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。     

“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。     

基于动态跳跃的中国短期利率研究:1997—2010

短期利率研究对固定收益定价和风险管理具有重要意义.把GARCH-Jump及其动态扩展形式引入到VASICEK短期利率模型中,拟合了中国的短期利率过程,检验了理性投资者人假说.实证结果表明:中国的短期利率过程不仅存在GARCH波动,还存在动态的跳跃波动因素;非参数检验表明以贝叶斯决策过程为设定条件的动态跳跃模型,对短期利率拟合得更好,并且预测能力更优,从而验证了中国短期利率市场的投资者在应对异常事件时采取贝叶斯理性决策法则;短期利率跳跃模型对投机和宏观信息冲击有一定的解释能力.     

跳跃风险、结构突变与原油期货价格波动预测

本文主要是为了检验原油期货市场是否存在明显的跳跃风险和结构突变,并重点调查这两个因素是否对原油期货价格波动有预测作用。在经典或前沿的HAR-RV、HAR-S-RV和PSlev模型中,本文同时考虑跳跃风险和结构突变因素,构建了HAR-RV-J-SB、HAR-S-RV-J-SB和PSlev-J-SB模型。接着,以WTI原油期货的5分钟高频交易数据作为实证样本,对以上模型进行实证分析。实证结果显示：原油期货市场存在明显的跳跃风险和结构突变现象;HAR-RV-J-SB、HAR-S-RV-J-SB和PSlev-J-SB模型对原油期货价格波动的样本外预测精度都明显高于与之相对应的HAR-RV、HAR-S-RV和PSlev模型,且其结果是稳健的。特别地,在HAR-C和LHAR-RV等其它现有HAR族模型中加入跳跃风险和结构突变因素,也能得到类似的结果。本文的研究表明跳跃风险和结构突变因素能显著提高现有绝大多数HAR族模型对原油期货价格的预测精度,所以在HAR族模型的构建中这两个因素不能被忽视。     

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。     

中国银行间债券市场回购交易动态行为研究——基于已实现跳跃风险的分析

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风险.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.跳跃方差序列的统计特征表明,银行间短期利率的主要价格发现形式是跳跃.以此为基础,分析了银行间回购交易的动态行为.结果发现,跳跃行为在特征和成因上表现出了较之国外更为独特的特征.     

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.     

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.     

随机跳跃强度与期权隐含风险溢酬

基于随机波动率随机跳跃强度(SVSJ)的期权定价模型,从时间序列性质与横截面期权定价两个角度对长达12年的S&P 500指数期权数据进行了研究.实证结果发现:只有短期虚值期权与短期平值期权中存在显著的跳跃风险溢酬,并且跳跃风险溢酬远超过波动率风险溢酬.不同模型不同跳跃强度的设定都可以估计出显著的跳跃风险溢酬,虽然跳跃风险的方差在总风险的方差中所占比例较低,但跳跃风险溢酬在总风险溢酬中所占的比例却大得多.各模型在高波动时期的表现都要优于低波动时期,其中SVSJ模型在所有模型中表现最好.     

沪深300指数跳的逐点检验及动态分析

作为金融衍生产品标的,沪深300指数是否存在跳以及跳服从怎样的动态规律对资产定价和风险管理都十分重要。本文提出新的时点方差估计方法,构造渐进性质更好的跳检验统计量,以此对沪深300指数5分钟数据进行时点跳检验,在此基础上对跳的动态变化进行分析。实证结果表明,沪深300指数存在跳,跳发生次数服从Poisson过程,但跳发生概率随时间变化,具有时变性;跳幅分布具有厚尾性并向右偏斜,分布随时间发生变化,不服从同分布假设。本文的研究结果为相关研究提供了基础性实证结论。     

基于可变强度跳跃-GARCH模型的资产价格跳跃行为分析——以中国上市公司股票市场数据为例

近年来,美国金融危机、欧债危机、地震等突发事件不断冲击着我国金融市场,各类资产价格频繁出现大幅跳动,收益风险短期内急剧扩大。鉴于此,本文构建了门限效应下状态变量依赖自回归强度跳跃-GARCH模型（简称TSD-ARJI-GARCH模型）来探讨股票资产价格随时间平滑波动和大幅度跳跃的双重特征。该模型扩展了现有可变强度跳跃-GARCH模型,克服了片面强调内生或外生因素的局限性,既允许跳跃强度受单个资产异质因素的内生驱动,以刻画跳跃变化的时变性及集聚性,也考虑了外部状态变量影响的门限效应。通过对不同类型中国上市公司股票市场数据的实证分析,验证了该模型对各类上市公司股票资产价格跳跃特征都具有较好的辨别和预测能力,可为动态监管金融资产的跳跃风险提供理论依据。     

中国股票市场资产价格模型设定检验

正确设定股票市场资产价格动态模型对资产定价、投资组合和风险管理具有基本重要性。本文基于随机过程非参数统计推断方法,采用幂变差和门限幂变差构造检验统计量,首次对我国股票市场资产价格半鞅的构成进行检验和分析。采用上证指数、深证成指和沪深300指数日内高频数据的实证结果表明,我国股票市场资产价格过程包含布朗运动积分形成的扩散过程和跳过程,既包含有限活动Poisson大跳过程也包含无限活动Levy小跳过程。在跳扩散过程中引入无限活动Levy跳跃过程才能全面刻画我国股票市场资产价格的动态特征。这一结果为相关研究提供了基础性实证结论。     

股票市场微观结构噪声、跳跃、流动性关系分析

在金融高频数据研究领域,学者们关于不同类型风险的内在关系并未深入探讨。从高频数据角度,本文首次对市场微观结构噪声、波动率跳跃之间的关系进行了理论分析。估计出微观结构噪声方差,通过构造新的跳跃分离方法,分离出波动中跳跃成分,给出流动性度量指标,并以上证综合指数为例,对微观结构噪声、跳跃、流动性三者关系进行实证分析。结果表明噪声越大指数发生跳跃的可能性越高;流动性越强指数的噪声越小,并且发生跳跃的可能性越低,并对此现象给出相应的解释。     

基于近邻截断的跳跃扩散过程波动函数的设定检验

高频数据环境下的波动函数设定检验容易受到数据中跳跃的影响。为此，本文基于近邻截断（nearest neighbor truncation）方法，利用残差构造部分和（partial sum）过程构造出波动函数参数形式的设定检验方法，并分析了该检验方法在原假设条件下的近似极限性质与自助检验步骤。所提出的波动函数设定检验方法能渐近有效的避免跳跃扩散过程的漂移项与跳跃项的影响。蒙特卡洛模拟结果表明这些检验方法对跳跃的影响具有稳健性，且具有合理的检验水平（size）和检验功效（power）。利用这些检验方法对我国的上海银行间同业拆放利率（Shibor）数据进行实证分析，结果表明本文所提出的跳跃稳健的波动函数检验方法比非跳跃稳健的波动函数检验方法具有更好的区分度。     

基于半鞅过程的中国股市随机波动、跳跃和微观结构噪声统计特征研究

本文基于半鞅过程和非参数统计推断方法,利用已实现幂变差的渐进统计特性,构造检验统计量,在统一的分析框架下,对金融资产价格中随机波动、跳跃和微观结构噪声等问题进行全面系统的研究。并根据上海证券交易所不同行业的股票,上证50 股票指数及其成分股的高频数据进行实证研究。结果表明,我国A 股市场中,噪音交易显著;约43%的风险来源于资产收益过程的随机波动风险,可用股票期权交易对冲;不同来源风险的重要性程度依次为:随机波动的风险、系统性跳跃风险以及异质性跳跃风险;流动性越好的股票越显示出跳跃、尤其是无限小跳的证据。