论文部分内容阅读
波动率直接与金融资产的定价和风险管理等问题相关，因此研究波动率及其预测模型具有现实意义。研究波动率的模型按照数据类型可分为，高频数据和低频数据两大类。大量实证结果表明，由于高频数据包含更多资产价格信息，其在波动率预测和刻画方面更具优势。已实现波动率模型就是其中的一类高频模型。 HEAVY模型是一类基于已实现波动率建模的模型，由Shephard和Sheppard所提出;并已采用国外数据研究表明可以提升波动率预测能力。由于此类模型比较新颖，国内鲜有相关的研究成果，因此本文的贡献之一是使用中国A股市场的数据，验证HEAVY模型是否能适用于我国资本市场。 在低频模型中，研究结果表明收益率的正负将对波动率产生不同的影响。原有的HEAVY模型并没考虑到这一效应，因此本文的另一大贡献是将杠杆效应加入到原有模型中，拓展成为G JR-HEAVY模型，并采用国内外共计16个股票指数序列进行实证研究。 已实现波动率指标包含已实现方差和已实现核，因此在对国外股票指数进行研究时，分别采用了这两种指标。实证结果表明，杠杆效应显著大于0，表明前一日收益率正负对波动率有不同的影响，即拓展的模型将比原有模型更能刻画波动率的运动过程。本文还对G JR-HEAVY模型进行了样本外预测，将其预测效果与HEAVY模型和GARCH模型做比较，发现无论使用何种已实现波动率，拓展后的模型比其他两个模型在预测能力上都更好。基于HEAVY类模型，将两种不同的已实现波动率指标的预测效果进行比较，发现当采用已实现核的效果优于已实现方差。 当将HEAVY、GJR-HEAVY模型运用于中国A股市场时，由于受高频数据库的限制，无法获得计算已实现核所需要的按逐笔交易记录的高频数据，因此仅使用已实现方差进行了实证。选取沪深300指数作为我国A股市场的指标，实证发现HEAVY、GJR-HEAVY模型均适用于我国市场波动率的研究，就预测效果来看，本文拓展的新模型具有更好的预测能力。