论文部分内容阅读
投资组合和风险管理的发展迫切要求投资组合理论的完善,而投资者规避风险的愿望要求构建能更加准确地预测市场当中的风险的模型。基于高频数据的多资产的已实现协方差阵作为组合风险水平的一个度量,其准确预测是一个引人关注的问题。目前,基于高频的已实现波动率模型的研究有很多,但是因为多变量模型的诸多限制,基于已实现协方差的多变量模型相对而言很少,主要有多变量的HAR模型、WAR模型等。波动的不对称性的问题之发现已久,其主要体现在过往利好和利空的冲击对未来波动的影响不同,利空信息相对利好信息对波动影响更大,此即杠杆效应。除此之外,波动还具有其他不对称性,例如大小不对称性。为了解释这一现象,已有诸多研究将平滑转移引入单变量波动率模型,过往研究证明平滑转移引入单变量的波动率模型不仅能提高模型的拟合程度,也能改进模型的预测性能。但是,目前将平滑转移引入多变量波动率模型的研究则严重不足,而基于已实现协方差阵的平滑转移模型实证研究则尚为空白领域。本文在由单变量HAR模型扩展到多元情况形式的MHAR模型当中引入平滑转移函数,并用2007至2016年上证50ETF的7只个股以及上证50指数作为数据,对个股的已实现协方差阵进行建模。因为协方差阵需要保证正定性,故一般做法是对协方差阵进行正定变换,用其变换后的拉直向量作为回归变量。但由于正定变换后,协方差阵各个元素的自相关性和不对称性并不统一而且受到很大影响,故本文提出两种方法:一种是提出MHAR-diag模型,将对角元素和非对角元素赋予不同的自回归系数,基于这种模型再引入平滑转移函数以刻画对角元素和非对角元素不对称性的不同;另一种方法是考虑非正定变换,本文提出一种非正定变换为lcor变换,并在建立模型时加以正定性限制条件建模。本文利用DM检验和MCS检验,利用多个损失函数综合对比各个模型的样本外预测能力。实证显示,不论是对经对数变换或lcor变换后的协方差阵建模,MHAR-diag模型相对于普通的MHAR模型在所有损失函数下能够改善模型的预测能力;同时,本文提出的lcor变换在同样的模型形式下比对数变换能得到更好的样本外预测效果;最后,在全模型的MCS检验当中,基于lcor变换的加入平滑转移的MHAR-splitST模型综合而言于正常波动阶段预测性能最优。