不同频率波动模型在动态VaR中的应用

发布时间：2024-01-25 08:22

　　在金融市场中,波动率的准确建模和预测是进行资产配置、风险管理等金融应用的关键。现有的研究主要是基于低频数据的GARCH类模型,但经过大量研究得出的预测效果却并不稳健。近年来,采用高频数据进行波动率建模备受国内外学者的青睐,因为其包含了更多的数据信息,但高频数据的市场微观结构噪声、跳跃等对波动的影响不容忽视。并且传统的低频或高频波动模型的采样频率相同,这往往限制了变量的选取,可能会降低模型的预测精度。本文选取沪深300指数日低频数据与5分钟高频数据,将低频GARCH类模型和高频HAR-RV族、FNN-HAR-J模型相结合,得到混频预测模型——MoP模型。分别对收益率序列和已实现波动序列进行描述性统计分析,并且对低频波动模型和高频波动模型进行参数估计,采用MCS检验法将GARCH类模型、HAR类模型、FNN-HAR-J模型以及混频MoP模型进行对比分析。并采用这些模型对金融资产的动态VaR进行预测。本文的研究具有一定的实践意义,混频波动模型可以进一步应用于其他金融产品,对防范金融产品的风险有着一定的指导意义。通过实证分析可得以下结论:首先,通过描述性统计分析,得出收益率序列和已实现波动序列...

【文章页数】：50 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 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 国内外研究综述
        1.2.1 低频波动模型研究现状
        1.2.2 高频波动模型研究现状
        1.2.3 混频波动模型研究现状
    1.3 研究方法以及创新点
        1.3.1 研究方法
        1.3.2 创新点
    1.4 基本内容与框架
        1.4.1 基本内容
        1.4.2 文章基本框架
2 波动率模型理论分析
    2.1 低频GARCH类模型
        2.1.1 GARCH模型
        2.1.2 EGARCH模型
        2.1.3 GJR-GARCH模型
        2.1.4 FIGARCH模型
    2.2 已实现波动率与已实现二次幂变差测度
    2.3 高频HAR族模型
        2.3.1 HAR-RV模型
        2.3.2 HAR-RV-J模型
        2.3.3 HAR-RV-CJ模型
        2.3.4 FNN-HAR-J模型
    2.4 混频MoP模型
    2.5 本章小结
3 实证分析
    3.1 样本数据选取与处理
    3.2 低频数据的分析
        3.2.1 样本数据描述性分析
        3.2.2 样本数据的ARCH效应检验
        3.2.3 低频波动模型的参数估计
    3.3 高频数据的分析
        3.3.1 样本数据描述性分析
        3.3.2 高频波动模型的参数估计
    3.4 滚动时间窗的样本外预测及MCS检验
        3.4.1 波动率预测方法说明
        3.4.2 MCS检验的理论基础
        3.4.3 样本外预测的效果分析
    3.5 本章小结
4 基于不同频率模型的动态VaR的预测
    4.1 VaR的理论分析
    4.2 样本外动态VaR的预测
    4.3 动态VaR的检验
    4.4 本章小结
5 结论与展望
    5.1 结论
    5.2 不足与展望
参考文献
攻读硕士学位期间发表论文及参加科研情况
致谢



本文编号：3884473