本文關(guān)鍵詞：引入聯(lián)跳的多元HAR模型及其在資產(chǎn)配置中的應(yīng)用研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：在資產(chǎn)組合配置理論中,多資產(chǎn)的協(xié)方差陣作為組合風(fēng)險水平的度量,在進行資產(chǎn)組合設(shè)計過程中占有重要的作用,因此如何對協(xié)方差進行準(zhǔn)確的預(yù)測,是投資組合領(lǐng)域一直關(guān)注的問題。隨著高頻數(shù)據(jù)的獲取變得越來越容易,基于高頻數(shù)據(jù)的已實現(xiàn)協(xié)方差及在其基礎(chǔ)上建立的刻畫波動率特征的模型也成為學(xué)者的研究熱點。跳躍現(xiàn)象是金融資產(chǎn)價格在短期內(nèi)發(fā)生大幅度波動的行為,而聯(lián)跳則是多資產(chǎn)之間發(fā)生的同時性的跳躍,多資產(chǎn)間的聯(lián)跳現(xiàn)象并不少見,宏觀消息的發(fā)布、經(jīng)濟事件的沖擊都會引起多資產(chǎn)的聯(lián)跳,而這些信息又反映在資產(chǎn)價格的波動當(dāng)中。因此,研究跳躍的特征并將其引入到對波動率的研究中,對于金融風(fēng)險管理和資產(chǎn)配置都有重要的現(xiàn)實意義�，F(xiàn)有的高頻波動率模型以HAR模型作為代表,但是已有的研究大多局限于對股票指數(shù)等單資產(chǎn)波動率的研究,本文將單變量HAR模型擴展到多變量形式的MHAR模型,對多資產(chǎn)的協(xié)方差矩陣進行建模。為了保證已實現(xiàn)協(xié)方差陣的正定性,分別采用喬列斯基分解法和對數(shù)轉(zhuǎn)化法建立CF-RCV和LOG-RCV估計量并將其作為模型的回歸變量。同時,考慮到多資產(chǎn)間可能存在的聯(lián)跳行為,采用BLT日內(nèi)聯(lián)跳檢驗法對聯(lián)跳進行識別,并用Hawkes模型對聯(lián)跳強度進行估計。為了探究聯(lián)跳對多資產(chǎn)協(xié)方差陣的影響作用,首次將聯(lián)跳識別變量JD和聯(lián)跳強度變量JI分別引入到上述MHAR模型中,建立了三種擴展模型MHAR-JD. MHAR-JI以及MHAR-JDJI模型,比較了擴展模型相較于基準(zhǔn)模型的樣本內(nèi)擬合能力的改善和樣本外預(yù)測能力的提升,并用MCS檢驗法對所有模型的樣本外預(yù)測能力進行了評估。實證結(jié)果表明,首先,引入聯(lián)跳強度變量JI對多資產(chǎn)的協(xié)方差陣有顯著的貢獻,這種貢獻作用是正向的,即聯(lián)跳強度的增加會導(dǎo)致多資產(chǎn)協(xié)方差的增大。其次,引入聯(lián)跳強度JI后的模型相對于基準(zhǔn)模型均獲得了更好的樣本內(nèi)擬合和樣本外預(yù)測能力,表明聯(lián)跳強度一定程度上反映了未包含在已實現(xiàn)協(xié)方差陣中的市場面消息。最后,MHAR-JDJI模型無論在樣本內(nèi)擬合還是樣本外預(yù)測上都是最優(yōu)的模型,表明同時考慮聯(lián)跳事件的發(fā)生和聯(lián)跳發(fā)生的概率的模型能更準(zhǔn)確地估計和預(yù)測多資產(chǎn)的風(fēng)險。此外,為了從經(jīng)濟意義層面對模型的預(yù)測效果進行評估,采用動態(tài)的全局最小方差策略進行資產(chǎn)組合配置,并采用四種績效指標(biāo)比較了根據(jù)不同模型的協(xié)方差陣預(yù)測值進行資產(chǎn)配置的效果,進一步驗證了前文實證中的結(jié)論,即本文提出的模型有更好的應(yīng)用價值。
【關(guān)鍵詞】：己實現(xiàn)協(xié)方差陣 多變量異質(zhì)自回歸模型 聯(lián)跳 Hawkes過程
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F224;F830.9
【目錄】：

• 摘要6-8
• Abstract8-12
• 第一章 緒論12-23
• 1.1 研究背景及意義12-13
• 1.2 文獻綜述13-21
• 1.2.1 波動率模型的相關(guān)研究13-17
• 1.2.2 資產(chǎn)價格跳躍和聯(lián)跳的相關(guān)研究17-20
• 1.2.3 聯(lián)跳強度的應(yīng)用研究20-21
• 1.2.4 多資產(chǎn)波動在資產(chǎn)配置中的應(yīng)用21
• 1.3 本文的主要創(chuàng)新點21
• 1.4 文章結(jié)構(gòu)21-23
• 第二章 理論模型和研究方法23-39
• 2.1 跳躍和聯(lián)跳的檢驗23-28
• 2.1.1 BNS單變量跳躍檢驗23-24
• 2.1.2 BLT多資產(chǎn)聯(lián)跳識別24-25
• 2.1.3 日內(nèi)模式的調(diào)整25-26
• 2.1.4 Hawkes模型26-28
• 2.2 基于已實現(xiàn)協(xié)方差陣的多元HAR模型28-34
• 2.2.1 實現(xiàn)協(xié)方差陣估計量28-29
• 2.2.2 實現(xiàn)協(xié)方差陣的正定變換29-31
• 2.2.3 一元異質(zhì)自回歸HAR模型31-32
• 2.2.4 多元異質(zhì)自回歸MHAR模型32-33
• 2.2.5 引入聯(lián)跳變量的MHAR-JD、MHAR-JI、MHAR-JD-JI模型33-34
• 2.3 樣本外預(yù)測能力的檢驗34-39
• 2.3.1 矩陣變量損失函數(shù)的構(gòu)建方法35-36
• 2.3.2 DM檢驗法36-37
• 2.3.3 MCS檢驗法37-39
• 第三章 實證研究39-56
• 3.1 數(shù)據(jù)選取和處理39
• 3.2 描述性統(tǒng)計39-44
• 3.2.1 個股收益率的描述性統(tǒng)計39-40
• 3.2.2 實現(xiàn)協(xié)方差陣的描述性統(tǒng)計40-43
• 3.2.3 實現(xiàn)協(xié)方差陣的自相關(guān)分析43-44
• 3.3 單資產(chǎn)跳躍和多資產(chǎn)聯(lián)跳的檢驗44-46
• 3.4 多資產(chǎn)聯(lián)跳強度的估計46-48
• 3.5 MHAR模型及其擴展模型的樣本內(nèi)擬合48-51
• 3.5.1 模型擬合回歸系數(shù)48-50
• 3.5.2 模型擬合優(yōu)度比較50-51
• 3.6 MHAR模型及其擴展模型的樣本外預(yù)測51-56
• 3.6.1 樣本外預(yù)測能力的兩兩比較51-54
• 3.6.2 全部模型的預(yù)測能力檢驗54-56
• 第四章 已實現(xiàn)協(xié)方差在資產(chǎn)配置中的應(yīng)用56-59
• 4.1 全局最小方差投資組合策略56-57
• 4.2 策略績效評價指標(biāo)57
• 4.3 投資組合策略的實證檢驗57-59
• 第五章 總結(jié)與展望59-61
• 5.1 研究總結(jié)59-60
• 5.2 研究不足與今后的研究展望60-61
• 致謝61-62
• 參考文獻62-65

【相似文獻】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 紀(jì)萍;引入聯(lián)跳的多元HAR模型及其在資產(chǎn)配置中的應(yīng)用研究[D];南京大學(xué);2016年

  本文關(guān)鍵詞：引入聯(lián)跳的多元HAR模型及其在資產(chǎn)配置中的應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

本文編號：325536