基于MEMD-HAR波动率预测模型的上证50ETF期权量化投资策略研究

发布时间：2023-02-14 21:21

　　标的资产的波动率是影响期权价格的重要因素,同时波动率的溢价和均值回复等特性也是构建期权量化投资策略的重要依据,因此对波动率进行分析和预测是十分重要的。已有的可以用来预测波动率的模型主要分为两种,一种是基于低频数据的GARCH模型、随机波动率模型等,另一种是基于高频数据的HAR-RV模型等。学者们普遍认为,基于低频数据的波动率模型在预测准确度上存在问题,而基于高频数据的波动率模型又面临着数据噪声的困扰。本文将上证50ETF期权作为研究对象,试图解决高频已实现波动率的数据噪声问题,提高高频波动率模型的预测能力。本文首先运用多元经验模态分解法(MEMD)对上证50ETF不同频率的已实现波动率(RV)数据进行降噪处理,并基于不同频率的降噪后已实现波动率(RV),分别构建了MEMD-HAR-RV模型基础形式以及拓展形式在内的八种波动率预测模型。其次,本文利用损失函数法和M-Z回归法评价了上述八种模型的样本外预测效果,并将MEMD-HAR-RV族模型的预测结果与GARCH族模型相对比。最后,根据MEMD-HAR-RV族模型的预测结果构建了上证50ETF期权波动率量化投资策略。为了控制策略风险,本文...

【文章页数】：83 页

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 研究思路与方法
        1.2.1 研究思路
        1.2.2 研究方法
    1.3 研究内容及框架
        1.3.1 研究内容
        1.3.2 研究框架
    1.4 创新之处
第二章 相关理论与文献综述
    2.1 相关理论
        2.1.1 波动率度量方法
        2.1.2 波动率预测模型的理论基础
        2.1.3 多元经验模态分解(MEMD)的原理
    2.2 文献综述
        2.2.1 关于波动率预测模型的文献综述
        2.2.2 关于期权交易策略的文献综述
        2.2.3 文献评述
第三章 MEMD-HAR-RV族波动率预测模型的建立及效果分析
    3.1 MEMD-HAR-RV族模型的构建思路
    3.2 上证50ETF已实现波动率的计算及分析
        3.2.1 数据选取
        3.2.2 已实现波动率的计算
        3.2.3 已实现波动率的描述性统计
    3.3 已实现波动率序列的MEMD分解降噪
    3.4 MEMD-HAR-RV族模型的样本内参数估计
        3.4.1 MEMD-HAR-RV模型一般形式的参数估计
        3.4.2 引入杠杆和跳跃的MEMD-HAR-RV模型扩展形式的参数估计
        3.4.3 引入其他变量的MEMD-HAR-RV模型扩展形式的参数估计
    3.5 MEMD-HAR-RV族模型的样本外预测及稳健性检验
        3.5.1 MEMD-HAR-RV族模型的样本外预测结果
        3.5.2 降噪前后各模型的样本外预测效果评价
        3.5.3 稳健性检验
    3.6 MEMD-HAR-RV族模型与GARCH族模型预测效果对比
        3.6.1 GARCH族模型构建
        3.6.2 MEMD-HAR-RV族模型与GARCH族模型对比分析
第四章 基于MEMD-HAR-RV模型的上证50ETF期权量化投资策略构建
    4.1 上证50ETF期权量化策略设计思路
        4.1.1 策略基本思想
        4.1.2 交易标的选择
        4.1.3 策略相关参数的设定
        4.1.4 风控措施
    4.2 上证50ETF期权量化策略构建
    4.3 策略仿真回测结果及绩效分析
第五章 上证50ETF期权量化投资策略优化
    5.1 基于波动率锥和隐含波动率关系的策略优化
    5.2 优化后策略的绩效分析
    5.3 优化后策略与其他期权波动率量化策略的对比
结论
参考文献
致谢
附录



本文编号：3743049