已实现波动GAS-HEAVY模型及其实证研究
发布时间:2023-02-15 18:16
引入日内高频数据计算的已实现波动,能够提高波动模型预测能力。本文将日收益和已实现波动联合建模,提出一种新的波动模型。选取尺度调整t分布和F分布作为日收益和已实现波动的分布,更为充分和灵活地捕捉厚尾性,采用得分驱动方法设定波动模型更新项,得出广义自回归得分(GAS)波动模型,提高对实际模型的逼近效率。本文对模型遍历性和平稳性进行证明,并与同类模型进行比较。蒙特卡罗模拟实验显示,在数据生成过程误设的情况下本文提出的GAS-HEAVY模型比同类模型具有更好的数据拟合效果。基于沪综指、深成指和沪深300指数2013.1至2017.4日内1分钟高频数据实证分析表明,不同损失函数的SPA检验下GAS-HEAVY模型的波动预测能力显著强于其它同类模型。本文给出的GAS-HEAVY模型为有关理论研究和市场应用提供了新的波动计量工具。
【文章页数】:10 页
【文章目录】:
1 引言
2 模型设定
2.1 rt的时变方差厚尾分布
2.2 RVt的时变期望厚尾分布
2.3 波动动态模型设定
3 GAS-HEAVY波动模型的性质
3.1 平稳性和遍历性
3.2 与同类波动模型的比较
3.2.1 与t-GARCH模型的比较
3.2.2 与HEAVY模型的比较
3.2.3 与已实现GARCH模型的比较
4 蒙特卡罗模拟实验
5 实证分析
5.1 参数估计
5.2 预测能力比较
6 结语
本文编号:3743590
【文章页数】:10 页
【文章目录】:
1 引言
2 模型设定
2.1 rt的时变方差厚尾分布
2.2 RVt的时变期望厚尾分布
2.3 波动动态模型设定
3 GAS-HEAVY波动模型的性质
3.1 平稳性和遍历性
3.2 与同类波动模型的比较
3.2.1 与t-GARCH模型的比较
3.2.2 与HEAVY模型的比较
3.2.3 与已实现GARCH模型的比较
4 蒙特卡罗模拟实验
5 实证分析
5.1 参数估计
5.2 预测能力比较
6 结语
本文编号:3743590
本文链接:https://www.wllwen.com/jingjilunwen/zbyz/3743590.html