论文部分内容阅读
金融资产波动率渗透资本市场,波动率的良好预测有利于资产定价、套期保值和风险管理。随着互联网大数据时代的发展,日内高频交易数据的日益可得为金融波动率的研究提供了新的手段。另一方面,随着行为金融学的兴起,进行投资者情绪与股市收益及其波动的研究成为热点,且我国证券市场的机构和个人投资者多为短期操作的投机者,复杂的情绪因子影响较大,使得金融资产价格可能偏离了真实价格。因此本文考虑研究引入情绪因子的波动率预测模型,对我国投资者合理利用商业数据,理性地获得更为准确的波动率预测、合理进行投资组合和风险管理具有理论指导和实践意义。本文首先基于文本情感分析构造以热度赋权的投资者情绪指标,融合沪深300指数成分股每日新闻热度和新闻情感构建了中国投资者情绪IS指数水平值数据;接着基于残差服从高斯、学生t、广义误差和偏t分布的四种分布假设下,用AR-(E)GARCH模型构造了IS指数波动值;最后将代表投资者情绪的IS指数水平值及波动值变量同时线性引入到HAR族模型中构造HAR-IS-GARCH族和HAR-IS-EGARCH族新模型,以此探究对预测日度、周度和月度波动率模型的原HAR族基准模型预测精度的改善。实证数据采用中国股市沪深300指数2015年2月3日至2019年11月29日5分钟高频交易数据,构造基于5分钟的已实现波动RV的高频波动率模型,样本期3:2分为样本内估计期和样本外预测期,并采用滚动向前一步预测的方法进行样本外预测。在样本内模型参数估计中,发现:(1)无论是在预测日度、周度还是月度波动率时,投资者情绪水平值及波动值变量均十分显著,表明投资者情绪水平值及波动值均能有效地作用于股市波动,这一结论在三种预测长度模型中具有稳健性。其中,拟合优度最好的是周度波动率,对预测月度波动率的拟合能力提升程度最大。(2)无论是在预测日度、周度还是月度波动率时,偏t分布下的引入投资者情绪水平值及波动值的HAR-IS-EGARCH族新模型的样本内拟合优度始终最高,且发现用EGARCH模型刻画波动相比GARCH模型能提升模型的拟合程度。在样本外模型预测能力DM检验和MCS检验结果可知:(1)无论在哪种预测长度模型中引入投资者情绪水平值及波动值时,改变残差服从偏t分布和选用EGARCH模型刻画波动可有效提升模型样本外预测性能。(2)基于偏t分布下的引入投资者情绪水平值及波动值的HAR-IS-EGARCH族新模型在预测日度、周度和月度波动率均具有最好的样本外预测性能。其中,在预测月度波动率时对样本外预测性能提升的更为明显。此外,进一步证明了加入以热度赋权的投资者情绪指标的波动率模型,相比加入未进行热度赋权的投资者情绪指标的波动率模型有更好的样本内拟合能力和样本外预测性能。