论文部分内容阅读
金融时间序列中,最具吸引力的就是资产价格波动率,波动率在金融工程领域里有着举足轻重的地位,更由于其潜在而不可见,近几十年来,国内外学者对估计波动率参数的研究狂热从未消退过。我国期权市场未正式起步,难以利用隐含波动率法来估计波动率,但目前大多以GARCH类模型和已实现波动率等模型来进行波动率参数的估计,而传统的历史波动率法在估计波动率参数的理论研究及实证分析中没有被足够重视,在这些使用了传统的历史波动率法的少量文献中,基本都只是运用股票的收盘价来研究波动率,不管是在理论研究还是在实证分析上,这都是一种遗憾。本文通过充分调研文献,在股票价格服从几何布朗运动的假设下,首先,对一种已实现波动率参数估计模型一从实际应用角度上给予详细解释完善;其次,对通常使用收盘价来估计波动率参数的传统历史波动率法加入开盘价、最高价及最低价因素,给出四个估计模型并介绍其演算过程;再次,以酒鬼酒、茅台、五粮液及从沪深300中随机抽选的28只股票的最近1、3、6、12个月的历史交易股价实证研究五个模型及其所得结果,然后,使用EMAE和EMSE评价准则评价五个模型,甄选出最好的估计模型即模型一;最后,再将模型一及最好的传统历史波动率估计模型三与当前流行的GARCH(1,1)模型运用酒鬼酒数据进行实证分析比较。经过R2.11.1编程及eviews6.0运行结果,本研究可得出五个主要结论:(1)在传统的历史波动率估计模型中,仅有开盘价的模型三最好,而加入了开盘价、收盘价和最高价、最低价因素的模型却并不是最好的,究其原因可能是我国股市的实际情况仍不如西方国家完善,极值法下很可能会代表某些错误信息。表明在进行波动率估计时,并不是考虑的价格因素越多越好,适量即可;(2)在所有模型中,GARCH(1,1)模型在利用1个月的数据估计波动率时效果最好,所以,我们在利用一个月数据估计波动率参数时,可考虑使用有良好效果的GARCH(1,1)模型;(3)在本研究中,模型一利用酒鬼酒收盘价的日频数据来近似高频数据,取得了比传统历史波动率估计方法更好的效果,更获得了比当前流行的GARCH(1,1)模型更好的估计效果。表明模型一不仅仅是一种计算高频数据的已实现波动率模型,利用日频数据来近似高频数据也能获得很好的估计效果,可以考虑将此模型推广到常见的日频数据;(4)GARCH(1,1)模型在本研究的实证结果中,整体上来说,并没有表现得比模型三好,表明只要模型选用适当,传统的历史波动率法也能较好地刻画波动率参数;(5)经实证比较后,推广了一种已实现波动率估计模型即模型一,该模型理论上可直接计算任意时间段的波动率,无须再将波动率转化成所需的表示形式,比目前常用的仅能计算第t日当天的波动率估计式更加完善,而形式上同样简单。