信息不对称下成交量与波动率关系建模与统计推断

本文首次提出信息不对称背景下成交量和波动率关系的日度完备模型。新模型假设当日成交量和已实现测度为次日隐信息流带来新信息，而隐信息流驱动知情交易者交易。基于此模型，本文给出时间序列平稳遍历性成立的充分条件，并且运用高斯拟极大似然法，建立模型参数估计的渐近理论，模拟研究验证了渐近理论的正确性。本文将新模型应用于中国沪深A股市场、美国纽交所和纳斯达克市场的大型公司。基于全样本的模型拟合结果发现：成交量的放大将导致次日条件波动率增大，而条件波动率的增大伴随着成交量的放大，同时，大部分个股中存在信息交易；在存续时间长、市值靠前且交易活跃的中国个股中，相较于基准波动率模型——已实现GARCH模型，新模型大多具有更好的样本内拟合能力；而在市值靠前且交易活跃的美股中，新模型的表现并不优于已实现GARCH模型。在滚动窗口的波动率预测上，较其他被广泛使用的已有模型，新模型在本文研究的中国个股中普遍具有更好的表现；而在本文研究的美股中，已实现GARCH模型表现较好。这反映了新模型更加适用于存续时间长、市值靠前且交易活跃的中国股票市场数据。