【摘要】：股票是金融市場的核心組成部分,是大類資產(chǎn)配置不可或缺的部分,而波動率是衡量股票風(fēng)險的核心指標(biāo),對于構(gòu)建穩(wěn)定的投資組合至關(guān)重要,因此預(yù)測股票的波動率具有重要的理論和實(shí)踐意義。由于同一行業(yè)中的公司經(jīng)營模式和財務(wù)狀況相似,其股價的波動特征具有一定的相似性,因此我們分行業(yè)對HAR族模型預(yù)測已實(shí)現(xiàn)波動率的能力進(jìn)行對比分析,找出行業(yè)中最優(yōu)預(yù)測模型。本文對異質(zhì)自回歸類模型(HAR族模型)預(yù)測不同行業(yè)股票的已實(shí)現(xiàn)波動率進(jìn)行對比分析,其行業(yè)分類以全球行業(yè)分類系統(tǒng)(GICS)為標(biāo)準(zhǔn)。文中以215支美股1990年1月2日至2017年2月28日共計6816個交易日的1分鐘高頻數(shù)據(jù)為樣本數(shù)據(jù)。在此基礎(chǔ)上,以對已實(shí)現(xiàn)波動率建模的異質(zhì)自回歸類模型、隨機(jī)游走模型和帶市場變量的一階自回歸模型,采用滾動時間窗口的樣本外預(yù)測,對215支美股的短期(h=1)、中期(h=5,10)和長期(h=22)已實(shí)現(xiàn)波動率進(jìn)行預(yù)測,參數(shù)估計的窗寬為1000個交易日。把樣本外預(yù)測的MAE和MSE分別作為損失函數(shù),利用Giacomini-WhiteTest判斷出每只股票的最優(yōu)預(yù)測模型,再對股票的最優(yōu)模型進(jìn)行分行業(yè)統(tǒng)計分析。根據(jù)實(shí)證結(jié)果得出四個主要結(jié)論。第一,不同行業(yè)已實(shí)現(xiàn)波動率的特征存在一定差異,行業(yè)內(nèi)個股已實(shí)現(xiàn)波動率的相關(guān)性比行業(yè)外的高。第二,股票的波動存在明顯的跳躍特征,通過計算閾值二次冪變差已實(shí)現(xiàn)波動率TBPV能有效地將已實(shí)現(xiàn)波動率的連續(xù)成分和跳躍成分進(jìn)行分離。第三,不同行業(yè)在相同預(yù)測長度下的最優(yōu)模型是不一致的,同一行業(yè)在不同預(yù)測長度下的最優(yōu)模型也是不一致的。對股票已實(shí)現(xiàn)波動率進(jìn)行預(yù)測時,應(yīng)根據(jù)股票所屬行業(yè)和預(yù)測長度等因素選擇最優(yōu)的波動率預(yù)測模型。第四,預(yù)測短期股票已實(shí)現(xiàn)波動率時,在HAR族模型的基礎(chǔ)上加入市場變量能提高模型預(yù)測的穩(wěn)定性,針對不同行業(yè)加入在該行業(yè)中顯著的市場變量,并且市場變量數(shù)目不宜過多。在本文的最后,我們提供了各行業(yè)股票在不同預(yù)測長度下的最優(yōu)模型,針對預(yù)測一天的已實(shí)現(xiàn)波動率,提供應(yīng)加入的市場變量。
【學(xué)位授予單位】：廈門大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：F830.91
【圖文】：

表２為樣本中各行業(yè)股票數(shù)，所屬行業(yè)資料來自Ｗｉｎｄ資訊，由于公用事業(yè)行業(yè)和電信行業(yè)逡逑股票數(shù)只有３支，因此后續(xù)分行業(yè)分析時將剔除這兩個行業(yè)。逡逑圖１：各行業(yè)已實(shí)現(xiàn)波動率指數(shù)逡逑Q息技術(shù)邐醫(yī)療保健邐廉村料逡逑｜邋Ｊ５０邐１５０邐３０Ｃ逡逑？０0邐Ｉ邐７５Ｃ邐｜逡逑；Ｗ邐１００邐＾逡逑邐邐邐邋．．．．．ＡＬ，邋１．虧一山‘．‘■N…．＾逡逑／＞ＶＶ＞Ｖ＞Ｖ＞Ｖ邋／ＶＶＶＶＶＶＶＶＶ邋／ＶＶＶＶＶＶＶＶＶ６＇逡逑工業(yè)邐口常消費(fèi)邐能源逡逑？５０邐１１００邐Ｍ０逡逑＾邐Ｉ邋１＾１邐Ｉ逡逑１邋—邋．ＪＬｕｉ．邋Ｊｉ邋＇：邐．邋１—邋Ｉ邋．邋１邐邐Ｊｌ一N逡逑／ＶＶＶＶＶＶＶＶ＇／邋＾ｖｖｖ／ｖｖｖｖ＾逡逑金融邐非日常消費(fèi)邐總樣本逡逑ｉＣ－１邐２５０逡逑４００邐２Ｓ０邐ｊ邐２００邐｜逡逑３一“邋，Ａ．‘－邋邋邐邐ＪＬ，邋邋邋Ｊ．邋？邋Ｊｉｊ＾—一ｊｌＬ逡逑／ＶＶＶＶＶ．／．／ＶＶ邋／ＶＶＶＶＶＶＶＶＶ邋／■＃＜／＞＞邋Ｖ＞Ｖ＞Ｖ0Ｎ逡逑圖１為１９９９年１月４日至２０１８年２月２８日各行業(yè)己實(shí)現(xiàn)波動率指數(shù)．行業(yè)的己實(shí)現(xiàn)波動逡逑率為行業(yè)內(nèi)股票己實(shí)現(xiàn)波動率的均值

是在不同行業(yè)上每個模型成為最優(yōu)模型的次數(shù)

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 瞿慧;徐冰慧;牛孟芝;;基于日內(nèi)跳躍識別方法的股指期貨動態(tài)套期保值研究[J];中國管理科學(xué);2015年S1期

2 馬鋒;魏宇;黃登仕;張鵬云;;基于跳躍和符號跳躍變差的HAR-RV預(yù)測模型及其MCS檢驗(yàn)[J];系統(tǒng)管理學(xué)報;2015年05期

3 唐勇;林欣;;考慮共同跳躍的波動建模:基于高頻數(shù)據(jù)視角[J];中國管理科學(xué);2015年08期

4 瞿慧;楊洋;;滬深300指數(shù)波動的多狀態(tài)平滑轉(zhuǎn)移異質(zhì)自回歸模型[J];統(tǒng)計與決策;2015年09期

5 瞿慧;李潔;程昕;;HAR族模型與GARCH族模型對不同期限波動率的預(yù)測精度比較——基于滬深300指數(shù)高頻價格的實(shí)證分析[J];系統(tǒng)工程;2015年03期

6 唐勇;陳艷茹;;考慮杠桿效應(yīng)的多重分形波動建模:基于中國股指的實(shí)證分析[J];系統(tǒng)工程學(xué)報;2015年01期

7 吳恒煜;夏澤安;聶富強(qiáng);;引入跳躍和結(jié)構(gòu)轉(zhuǎn)換的中國股市已實(shí)現(xiàn)波動率預(yù)測研究:基于拓展的HAR-RV模型[J];數(shù)理統(tǒng)計與管理;2015年06期

8 孫潔;;考慮跳躍和隔夜波動的中國股票市場波動率建模與預(yù)測[J];中國管理科學(xué);2014年06期

9 簡志宏;李彩云;;隔夜風(fēng)險可以預(yù)測嗎?——基于HAR-CJ-M模型的高頻數(shù)據(jù)分析[J];管理評論;2014年02期

10 瞿慧;張明卓;;基于跳躍規(guī)模細(xì)分的已實(shí)現(xiàn)波動率建模研究[J];中國管理科學(xué);2013年S1期

本文編號：2729021