基于隔夜信息冲击的高频波动率模型研究

发布时间：2021-03-14 21:25

　　近年来随着大数据和与云储存技术的发展,金融资产的5分钟、1分钟甚至更高频率的交易数据能够被记录、储存和分析。基于高频交易数据的波动率测度、拟合与预测已成为资产定价与风险管理领域的研究热点之一。其中,已实现波动率（RV）和已实现极差波动率（RRV）是最受学界关注的两类高频波动率。但是,目前关于RV和RRV的主流建模方法仅关注了波动率的自相关性和内生影响,忽略了外部信息冲击及冲击的非对称影响,因此对高频波动率的预测可能存在偏误。此外,HAR-RV类模型和HAR-RRV类模型相比较,孰劣孰优?也值得进一步探讨。基于此,本文首先对RV和RRV的主流建模方法进行了梳理。然后,以隔夜信息作为外部信息冲击源,利用GARCH族模型估计隔夜波动率,构建了基于 外部信息冲击的HAR-RV-CJ-GARCH/TGARCH 类模型和HAR-RRV-CJ-GARCH/TGARCH类模型。这两类模型不仅考虑了高频波动率自相关性和跳跃特征,还兼顾了外部信息冲击的集聚性和非对称性。随后,本文选取沪深300指数的高频交易数据作为研究样本,构建两尺度极差波动率（TSRV）作为真实波动率,并利用MCS检验对这两类模型和现有... 

【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

图１－１技术路线图??１０??

图４－１沪深３００指数的高频波动率??

图４－２?（ａ）平稳期内沪深３００指数的隔夜波动率和高频波动率??

【参考文献】：
期刊论文
[1]基于外部信息冲击的符号跳跃变差高频波动率模型[J]. 龚谊洲,黄苒.  系统工程理论与实践. 2019(09)
[2]投资者高频情绪对股票日内收益率的预测作用[J]. 尹海员,吴兴颖.  中国工业经济. 2019(08)
[3]T+1交易制度下的资产定价模型研究——基于隔夜收益率视角[J]. 张兵,薛冰.  金融论坛. 2019(08)
[4]“好”的不确定性、“坏”的不确定性与股票市场定价——基于中国股市高频数据分析[J]. 陈国进,丁杰,赵向琴.  金融研究. 2019(07)
[5]跳跃风险、结构突变与原油期货价格波动预测[J]. 龚旭,林伯强.  中国管理科学. 2018(11)
[6]引入外部冲击的中国铜期货市场高频波动率建模与预测[J]. 朱学红,邹佳纹,韩飞燕,谌金宇.  中国管理科学. 2018(09)
[7]基于TVS-MHAR模型金融市场高频多元波动率的预测[J]. 罗嘉雯,陈浪南.  系统工程理论与实践. 2018(07)
[8]基于跳跃、好坏波动率与百度指数的股指期货波动率预测[J]. 陈声利,关涛,李一军.  系统工程理论与实践. 2018(02)
[9]基于符号收益和跳跃变差的高频波动率模型[J]. 马锋,魏宇,黄登仕.  管理科学学报. 2017(10)
[10]引入隔夜信息的已实现波动率[J]. 瞿慧,柯洁.  系统工程. 2017(04)

博士论文
[1]高频数据视角下非参数波动率建模、预测及其评价研究[D]. 马锋.西南交通大学 2016

硕士论文
[1]HAR-RV及其扩展预测模型研究[D]. 张鹏云.西南交通大学 2014



本文编号：3082980