基于跳躍、好壞波動率的視角,采用比ABD檢測更穩(wěn)健的ADS檢測法進行甄別跳躍,提出HAR改進模型,進一步考慮到實際波動率的非線性和高持續(xù)性動態(tài),文章引入馬爾科夫狀態(tài)轉(zhuǎn)換機制以構(gòu)建對應(yīng)的MRS-HAR族模型,推導其參數(shù)估計方法,并運用滾動時間窗預測技術(shù)和MCS檢驗評估預測模型結(jié)果,并采取不同的窗口期進行穩(wěn)健性檢驗.以上海期貨交易所的黃金連續(xù)（AU0）期貨合約為研究對象,實證研究表明:結(jié)合馬爾科夫狀態(tài)轉(zhuǎn)換機制,跳躍波動在上漲行情時會抑制未來波動性;結(jié)合馬爾科夫狀態(tài)轉(zhuǎn)換機制,好壞波動率在上漲行情時正負沖擊相對平衡,而在下跌行情時好（壞）波動率抑制（加�。┪磥聿▌有�;MCS檢驗證實,結(jié)合馬爾科夫狀態(tài)轉(zhuǎn)換的MRS-HAR族模型相比于HAR族模型具有更優(yōu)的預測精度,進一步考慮由ADS檢測修正的好壞波動率和符號跳躍能夠改善波動率模型的預測能力,其中基于符號跳躍和馬爾科夫狀態(tài)轉(zhuǎn)換的MRS-HAR-RV-SJ模型展現(xiàn)了最高的預測精度. 

【文章來源】：系統(tǒng)科學與數(shù)學. 2020,40(03)北大核心CSCD

【文章頁數(shù)】：26 頁

【部分圖文】：

圖２?＿率序列??（Ｆｉｇｕｒｅ?２?Ｒｅｔｕｒｎ?ｓｅｒｉｅｓ）??

圖９壞波動率（只５＾）

圖１０符號跳躍（ＳＪ）??（Ｆｉｇｕｒｅ?９?Ｂａｄ?ｖｏｌａｔｉｌｉｔｙ?（ＲＳ￣））

【參考文獻】：
期刊論文
[1]中國股票市場最優(yōu)套期保值比率研究——基于高階矩HAR模型[J]. 唐勇,崔金鑫.  系統(tǒng)科學與數(shù)學. 2018(09)
[2]運用最小二乘模型平均法預測外匯實際波動率（英文）[J]. 邱越,謝天.  系統(tǒng)科學與數(shù)學. 2018(06)
[3]基于跳躍、好壞波動率與百度指數(shù)的股指期貨波動率預測[J]. 陳聲利,關(guān)濤,李一軍.  系統(tǒng)工程理論與實踐. 2018(02)
[4]基于符號收益和跳躍變差的高頻波動率模型[J]. 馬鋒,魏宇,黃登仕.  管理科學學報. 2017(10)
[5]HAR-RV-EMD-J模型及其對金融資產(chǎn)波動率的預測研究[J]. 龔旭,文鳳華,黃創(chuàng)霞,楊曉光.  管理評論. 2017(01)
[6]股指期貨市場波動率的預測研究[J]. 賀志芳,楊鑫,龔旭,文鳳華.  系統(tǒng)科學與數(shù)學. 2016(08)
[7]基于馬爾科夫狀態(tài)轉(zhuǎn)換和跳躍的高頻波動率模型預測[J]. 馬鋒,魏宇,黃登仕,夏澤安.  系統(tǒng)工程. 2016(01)
[8]多分形視角下的金融市場波動建模研究[J]. 唐勇,黃志剛.  系統(tǒng)科學與數(shù)學. 2015(06)
[9]基于高頻數(shù)據(jù)視角的上證綜指跳躍原因分析[J]. 趙滌非,唐勇.  系統(tǒng)科學與數(shù)學. 2015(01)
[10]考慮跳躍和隔夜波動的中國股票市場波動率建模與預測[J]. 孫潔.  中國管理科學. 2014(06)



本文編號：3557269