改进的多元异质自回归模型在波动择时策略中的应用

发布时间：2021-02-20 02:33

　　随着量化基金和ETF规模在全球市场的不断增加,大型投资组合的量化管理逐渐成为学术研究的热点,其中研究较多的是波动择时策略,其核心思想是根据协方差矩阵动态调整投资组合权重,因此对协方差矩阵的估计和预测十分重要。另一方面,随着高频数据的日益可得性,利用高频数据来建模也成为学术研究的一个热点。在对协方差矩阵进行预测建模时,最常用的是由一维的异质自回归（HAR）模型拓展得到的多元异质自回归模型（MHAR）,这一模型能够有效地捕捉波动的长记忆性。但其对协方差矩阵中所有元素采用相同的系数,无法刻画对角线和非对角线元素的不同性质;其次大量的研究表明,资产收益率对波动的影响具有不对称性,MHAR模型无法刻画这一特质。基于这两点考虑,本文在MHAR模型的基础上进行拓展,首先是提出能够对对角线和非对角线元素分开建模的MHAR-D模型,并与目前已有的DRD模型进行了对比。其次本文在上述三种模型中分别引入门限杠杆、逻辑平滑转移结构以及半协方差估计量来刻画信息不对称效应,并进行了对比。而对于协方差矩阵估计量,则选取了三种能够同时满足对噪声和非同步交易稳健,并且保证正定性的KEM、MRK和MRC估计量。进一步地,... 

【文章来源】：南京大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究目的与意义
    1.2 文献综述
        1.2.1 协方差矩阵估计量构建研究
        1.2.2 协方差矩阵预测模型研究
        1.2.3 信息不对称的研究
        1.2.4 资产组合研究
    1.3 创新点
    1.4 文章结构
第二章 模型构建
    2.1 协方差矩阵估计量
        2.1.1 MRC估计量
        2.1.2 MRK估计量
        2.1.3 KEM估计量
        2.1.4 已实现半协方差
    2.2 协方差矩阵变换
        2.2.1 乔列斯基分解
        2.2.2 矩阵对数变换
    2.3 协方差矩阵预测模型
        2.3.1 多元异质自回归（MHAR）模型
        2.3.2 对角线和非对角线分离建模
        2.3.3 加入杠杆效应的模型
    2.4 波动择时策略构建
    2.5 统计检验方法
        2.5.1 DM检验
        2.5.2 MCS检验
第三章 实证研究
    3.1 数据说明
    3.2 描述性统计
        3.2.1 个股数据缺失率统计
        3.2.2 协方差矩阵估计量统计
        3.2.3 协方差矩阵的自相关性
        3.2.4 杠杆效应
    3.3 全样本拟合结果
        3.3.1 参数估计结果
        3.3.2 样本内拟合误差
第四章 样本外波动择时策略评价
    4.1 对角线和非对角分开建模比较
    4.2 MHAR加杠杆的结果
    4.3 MHAR-D加杠杆的结果
    4.4 DRD加杠杆的结果
    4.5 杠杆效应部分整体对比
    4.6 稳健性检验
        4.6.1 低波动下结果
        4.6.2 高波动下结果
    4.7 策略建议
第五章 总结
参考文献
致谢



本文编号：3042085