基于双因子已实现GARCH模型的波动率预测研究

准确地预测金融市场的波动率对市场管理者和参与者而言都是至关重要的。本文在标准已实现GARCH模型基础上,将条件方差乘性分解为长期方差和短期方差两部分,分别构造包含杠杆函数的长期方差方程和短期方差方程,用以捕捉波动率的长记忆性和短期微观波动。运用上证综指和日经指数的日收盘价、已实现方差和已实现核波动此类高频数据进行实证分析,结果表明:与标准已实现GARCH模型相比,两指数的双因子已实现GARCH模型在样本内表现出更大的似然估计值;通过样本外误差函数分析和DM检验,双因子已实现GARCH模型也取得更好表现。     

基于跳跃、好坏波动率和马尔科夫状态转换的高频波动率模型预测

基于跳跃、好坏波动率的视角,采用比ABD检测更稳健的ADS检测法进行甄别跳跃,提出HAR改进模型,进一步考虑到实际波动率的非线性和高持续性动态,文章引入马尔科夫状态转换机制以构建对应的MRS-HAR族模型,推导其参数估计方法,并运用滚动时间窗预测技术和MCS检验评估预测模型结果,并采取不同的窗口期进行稳健性检验.以上海期货交易所的黄金连续(AU0)期货合约为研究对象,实证研究表明:结合马尔科夫状态转换机制,跳跃波动在上涨行情时会抑制未来波动性;结合马尔科夫状态转换机制,好坏波动率在上涨行情时正负冲击相对平衡,而在下跌行情时好(坏)波动率抑制(加剧)未来波动性;MCS检验证实,结合马尔科夫状态转换的MRS-HAR族模型相比于HAR族模型具有更优的预测精度,进一步考虑由ADS检测修正的好坏波动率和符号跳跃能够改善波动率模型的预测能力,其中基于符号跳跃和马尔科夫状态转换的MRS-HAR-RV-SJ模型展现了最高的预测精度.     

基于带隐含波动率的混频条件自回归极差模型的股市波动率预测研究

极值理论表明价格极差是波动率的一个有效的估计量。同时,众多研究表明,基于期权价格的隐含波动率包含了市场前瞻性的信息。本文在经典的基于极差的条件自回归极差(CARR)模型基础上,充分考虑价格极差的长期动态性以及期权隐含波动率包含的信息,构建了带隐含波动率的混频CARR (CARR-MIDAS-IV)模型对极差波动率进行建模和预测。CARR-MIDAS-IV模型通过引入MIDAS结构能够捕获条件极差的长期趋势过程(长期记忆特征)。而且,CARRMIDAS-IV模型同时考虑了极值信息以及隐含波动率包含的关于未来波动率的信息(前瞻信息)对波动率建模和预测。采用恒生指数和标普500指数及其隐含波动率数据进行的实证研究表明,充分考虑条件极差的长记忆性(MIDAS结构)以及隐含波动率包含的信息对于极差波动率建模和预测具有重要作用。总体而言,本文构建的CARR-MIDAS-IV模型相比其他许多竞争模型具有更为优越的数据拟合效果以及波动率预测能力。特别地,CARR-MIDAS-IV模型对于中、高波动期波动率的预测具有较强的稳健性。     

基于损失函数的GARCH类模型波动率预测评价

本文的目的是通过利用多种损失函数评估三种GARCH模型的预测精度,找到最优的股指期货日内波动率研究预测模型。利用之前的研究结果,三个沪深300股指期货日内一分钟日内收益率被用作研究对象,对标准GARCH,eGARCH以及RealGARCH三个模型做了实证检验,并利用多种损失函数,从不同角度衡量三个波动率模型的预测精度。研究发现：Sample1样本的RealGARCH模型有最好的预测效果,而Sample2样本与Sample6样本的eGARCH模型有最好的预测精度。因此,在对沪深300股指期货日内波动率研究时,应根据其样本特征,优先选择具有能够反映非对称特征的波动率模型来刻画波动过程,对未来波动率做预测。     

基于GARCH模型的人民币汇率波动规律研究

自人民币汇率体制改革以来,汇率波动日趋复杂.鉴于GARCH模型能够较好地拟合汇率时间序列的尖峰厚尾特征,本文采集了2003～2007年之间的1069个美元兑人民币汇率日值,应用GARCH模型进行分析,证实了我国外汇市场确实存在ARCH效应,且GARCH模型能够较好地拟合汇改后的人民币汇率数据.     

多元波动率模型的一些新进展

对多个资产收益率的协方差矩阵建立动态模型是一个非常重要的问题。本文就近些年来该方面研究的一些主要进展进行了综述,特别地介绍了几种基于数据降维技术发展起来的能够适用于高维情形的多元GARCH模型,另外,对于多元波动率的模型诊断与比较方法以及条件协方差矩阵的预测等方面的研究成果也作了分析。     

金融高频高维数据的波动率矩阵估计:基于GARCH-It?分组因子模型

在高频金融数据分析中,高维波动率矩阵的估计和预测十分具有挑战性,当金融资产存在自然的分组结构时,此问题尤为突出.为此,本文提出一种新的GARCH-It?分组因子模型,将对数价格序列表示为共同因子、分组因子以及异质项,并通过将离散的广义自回归条件异方差(generalized autoregressive conditional heteroskedasticity, GARCH)结构嵌入特征值过程的波动率中,实现刻画数据波动率动态的目的.本文利用伪极大似然法得到模型的参数估计,建立极限理论,模拟研究表明其良好的有限样本性质.在实证研究中,利用上海证券交易所主板及深圳证券交易所创业板的股票高频价格数据,对比了不分组的模型及波动率矩阵的非参数多尺度已实现波动率(multi-scale realized volatility,MSRV)估计,对比结果显示本文模型具有更好的波动率预测效果.     

基于多元分析的人民币汇率波动率预测

对人民币汇率波动率建立了BEKK,CCC,O-GARCH,IC-GARCH模型。针对人民币汇率波动率的非对称性,改进了IC-GARCH模型,建立了IC-GJRGARCH,IC-IGARCH模型。给出了以上各模型的预测结果及评价,并分析IC情形下,残差类型及降维技术对预测效果的影响。人民币汇率波动率的预测实证表明,BEKK模型和IC-GJRGARCH模型比其他模型的预测效果要理想;残差类型为广义误差分布与t分布的预测效果都要优于高斯分布的预测效果;模型降维后预测效果与降维前的预测效果相差不大,甚至优于后者。     

我国钢材期货市场波动率的GARCH族模型研究

钢材是仅次于原油的全球第二大大宗商品,因此钢材及其相关产品价格波动的描述对各类参与者的套期保值及规避风险有重要意义。以上海期货交易所钢材期货价格的15分钟高频数据为对象,利用8类GARCH族模型进行了波动率拟合的实证研究,并运用6类损失函数以及Diebold-Mariano检验方法对各类模型的波动率拟合精度进行了比较。结果表明,能够刻画长记忆特征的HYGARCH模型在刻画我国钢材期货市场的波动率上具有相对优于其他模型的精度,但总的来说,各种模型并未表现出显著差异。     

基于门槛效应的Realized MAT-HAR GARCH模型波动预测

基于门槛效应视角,结合MAT-HAR模型能够捕捉门槛效应的特点与Realized GARCH模型在高频波动率预测的优势,文章建立了Realized MAT-HAR GARCH模型,旨在研究高频金融市场的门槛效应.与Realized HAR GARCH模型不同的是,该模型在波动方程中引入MAT-HAR结构,将已实现波动率...     

基于GARCH类模型和SV类模型的沪深两市波动性研究

以CSMAR数据库2007年2月27日至2008年5月14日共297个交易日的上证综指和深证综指的收盘价数据为研究对象,通过比较5类GARCH模型和两类SV模型对上证综指和深证综指样本内(2007年2月27日至2008年2月27日)收益率波动特征的描述能力以及样本外(2008年2月28日至2008年5月14日)收益率波动的预测能力,得出GARCH类模型相比SV类模型更适合描述中国证券市场的波动性.     

基于GARCH模型族的中国股市波动性预测

收益与风险历来都是投资者与研究者所关注的问题 .本文选取 GA RCH、TGARCH和 EGARCH模型来拟合中国股市的波动性 .实证分析结果表明 ,中国股市的波动具有显著的波动聚类性与持续性 ;由 E-GARCH模型所预测的上证 30指数、上证综合指数和深证成份指数未来一天的波动要明显优于 GARCH和TGARCH模型的对应值 ,而对香港恒生指数 ,三种模型的预测结果无显著的差异 .     

基于非参数GARCH模型的中国股市波动性预测

本文采用上证综合指数和深证成份指数1997年1月2日—2005年6月30日的每日收盘价对数百分收益率为样本,运用非参数GARCH(1,1)模型研究了中国股票市场的波动性,并与参数GARCH(1,1)模型的估计结果进行了比较,最后利用六种预测误差度量指标比较了这两种模型的样本内及样本外预测能力,结果发现,非参数GARCH(1,1)模型对股市波动性的预测精度有明显提高。     

基于结构突变的波动率分解模型

在Heston-Nandi模型的基础上提出了一种波动率分解模型,分解模型同时考虑了金融波动的长记忆性和杠杆效应.从资产收益率的无条件方差发生结构突变出发,认为收益率的无条件方差随时间变化,将波动率分解为长期影响和短期冲击两部分,其中长期影响用来刻画波动率的持续性,短期冲击刻画金融波动的短期扰动.上证综指数据实证表明上海证券综合指数收益率序列的波动性同时具有长记忆性和杠杆效应,利用模型能很好的刻画这两种性质.     

基于GARCH模型的中美汇率实证分析

汇率制度改革后,加强人民币汇率风险管理已成为摆在各大经济主体面前的重大课题.基于2010年1月1日至2012年5月10日的美元对人民币日汇率值,利用广义条件异方差自回归(GARCH)模型,对中美汇率日数据进行处理与检验,得到了残差存在异方差性.在此基础上建立了汇率GARCH模型,实证分析表明精确性高.     

基于GARCH模型的短期汇率预测

研究人民币对美元的汇率预测,通过对2010年7月1日至2013年11月30的周汇率平均值进行数据分析,发现其基本符合时间序列分析中的GARCH模型,因此采用该模型进行预测,预测结果比较成功。预测表明人民币呈现升值的趋势.     

Statistical Analysis of Financial Volatility by Wavelet Shrinkage

We analyze the Nikkei daily stock index and verify how wavelets can help in identifying, estimating and predicting its volatility features. While we study the conditional mean and variance dynamics, by utilizing statistical parametric inference techniques, we also decompose the observed signal with a data de-noising procedure. We thus investigate how wavelets discriminate among information at different resolution levels and we attempt to understand whether the de-noised data lead to a better identification of the underlying volatility process. We find that the wavelet data pre-processing strategy, by reducing the measurement error of the observed data, is useful for improving the volatility prediction power.