波動率作為市場風(fēng)險的度量，其有效估計直接影響到資產(chǎn)定價，資產(chǎn)配置以及風(fēng)險管理。能否正確理解和度量市場風(fēng)險，并對風(fēng)險進(jìn)行有效定價，關(guān)系到經(jīng)濟(jì)活動中的資產(chǎn)配置效率和經(jīng)濟(jì)運行的成本，這是投資者、商業(yè)部門和政府部門共同關(guān)心的問題。目前，國內(nèi)第一個真正的期權(quán)產(chǎn)品――滬深300股指期權(quán)即將推出，研究其標(biāo)的物波動率的變化規(guī)律并為其建模對股指期權(quán)的準(zhǔn)確定價具有重要作用，這對管理、規(guī)避和控制金融風(fēng)險有著重要的理論和現(xiàn)實意義，并將影響中國期權(quán)市場的長遠(yuǎn)發(fā)展。 本文對波動率的市場特征和各種波動率預(yù)測模型進(jìn)行了詳細(xì)介紹。引入基于高頻數(shù)據(jù)的已實現(xiàn)波動率作為市場真實波動率的代理，運用統(tǒng)計分析方法確定滬深300指數(shù)的最優(yōu)采樣頻率為15min。以滬深300指數(shù)自2005年發(fā)布以來的日收益率數(shù)據(jù)對中國股票市場的波動性特征做了初步研究，然后運用幾類主要的波動率模型對近五年的滬深300指數(shù)高頻數(shù)據(jù)進(jìn)行滾動時間窗的樣本外預(yù)測，采用6種損失函數(shù)和DW檢驗方法對基于高頻數(shù)據(jù)的已實現(xiàn)波動率模型和基于日收益數(shù)據(jù)的GARCH模型和SV模型的預(yù)測效果進(jìn)行評估。本文的主要貢獻(xiàn)在于比較全面地縱向比較了幾類波動率預(yù)測模型，并將基于高頻數(shù)據(jù)的已實現(xiàn)波動率預(yù)測模型與傳統(tǒng)模型進(jìn)行比較，最后針對我國股票市場的特點對波動率預(yù)測、衍生產(chǎn)品的定價和風(fēng)險管理提供了參考建議。
【學(xué)位單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2013
【中圖分類】：F832.51;F224
【部分圖文】：

圖3-3滬深300指數(shù)2005-2013日收益率序列統(tǒng)計圖2005-2013年滬深300指數(shù)日收益序列的統(tǒng)計量中可以看到，超額峰度態(tài)分布的3，偏度為-0.35，表現(xiàn)出明顯的尖峰厚尾和左偏特征，JB正實了這點，統(tǒng)計量為641.5，說明滬深300指數(shù)日收益序列顯著異于正態(tài)據(jù)ARCH效應(yīng)檢驗，序列存在自相關(guān)，因此可以用ARCH族模型來進(jìn)行

圖3-5已實現(xiàn)波動率序列的自相關(guān)圖序列為非平穩(wěn)非隨機(jī)過程，在用ARMA進(jìn)行波動率預(yù)分處理得到平穩(wěn)序列，故我們將采用分整自回歸(p,d,q))對其進(jìn)行預(yù)測。ARIMA(p,d,q)模型的基本形式如下：(1 p∑i=1 iLi)(1 L)d(Y μ) = (1 q∑j=1θjLj)εt待估時間序列， μ 是Y的均值，L是滯后算子， LiXt= Xt ， d 可以是整數(shù)也可以是分?jǐn)?shù)，當(dāng) d 為整數(shù)時，表明進(jìn)行記憶性，而且容易產(chǎn)生過度差分現(xiàn)象，當(dāng) d 為分?jǐn)?shù)時， (1 ，因此可以刻畫波動率的長記憶性，當(dāng) 0 < d < 0.5 時， d 越 d = 0 時，退化為ARMA模型， εt～ i.i.dN(0, σ2ε) 。

華 中 科 技 大 學(xué) 碩 士 學(xué) 位 論 文圖3-6 SV-N模型參數(shù)迭代軌跡和核密度估計圖3.3預(yù)測方法與評價標(biāo)準(zhǔn)3.3.1預(yù)測方法本文使用基于滾動時間窗的樣本外日波動率預(yù)測方法，預(yù)測2013.01.01-2013.04.01共M=57個交易日的數(shù)據(jù)。利用上節(jié)中提到的4個模型對H=1219個交易日（2008.01.02-2012.12.29）的數(shù)據(jù)進(jìn)行參數(shù)估計，然后將估計出的參數(shù)代入到各模型的預(yù)測公式中進(jìn)行樣本外預(yù)測。具體方法如下：(1)選取t=1,2,…,H=1219的數(shù)據(jù)作為第一個估計樣本，分別運用ARMA-RV，ARFIMA-lnRV，GARCH(1,1)和SV-N模型進(jìn)行參數(shù)估計，然后根據(jù)估計出來的參數(shù)計算出未來一天的波動率，也就是根據(jù)1-1219天的樣本數(shù)據(jù)估計第1220天的日波動率 σ 2H+1。(2)維持估計樣本的區(qū)間長度H=1219不變
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐正國,張世英;調(diào)整"已實現(xiàn)"波動率與GARCH及SV模型對波動的預(yù)測能力的比較研究[J];系統(tǒng)工程;2004年08期

2 魏宇;;中國股票市場的最優(yōu)波動率預(yù)測模型研究——基于滬深300指數(shù)高頻數(shù)據(jù)的實證分析[J];管理學(xué)報;2010年06期

3 楊科;陳浪南;;股市波動率的短期預(yù)測模型和預(yù)測精度評價[J];管理科學(xué)學(xué)報;2012年05期

4 張思奇,馬剛,冉華;股票市場風(fēng)險、收益與市場效率:——ARMA-ARCH-M模型[J];世界經(jīng)濟(jì);2000年05期

5 鄭振龍;黃薏舟;;波動率預(yù)測:GARCH模型與隱含波動率[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2010年01期

6 方立兵;郭炳伸;曾勇;;GARCH族模型的預(yù)測能力比較:一種半?yún)?shù)方法[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2010年04期

7 唐勇;張世英;;多維高頻時間序列的波動持續(xù)性質(zhì)研究[J];統(tǒng)計與決策;2006年18期

8 徐正國;張世英;;多維高頻數(shù)據(jù)的“已實現(xiàn)”波動建模研究[J];系統(tǒng)工程學(xué)報;2006年01期

9 郭名媛;張世英;;賦權(quán)已實現(xiàn)波動及其長記憶性,最優(yōu)頻率選擇[J];系統(tǒng)工程學(xué)報;2006年06期

10 劉文財,劉豹,張維;ARFIMA模型在中國股票市場預(yù)測的失效[J];系統(tǒng)工程理論方法應(yīng)用;2002年02期

本文編號：2842484