本文關(guān)鍵詞：考慮成分股聯(lián)跳與宏觀信息發(fā)布的滬深300指數(shù)已實現(xiàn)波動率模型研究

  更多相關(guān)文章： 聯(lián)跳 宏觀信息公告 波動率預測 異質(zhì)自回歸模型 自回歸條件風險模型 SPA檢驗

【摘要】：利用日內(nèi)高頻數(shù)據(jù)計算的已實現(xiàn)波動率較好度量了金融資產(chǎn)的風險,因此對其預測模型的研究具有重要意義。考慮到指數(shù)成分股的聯(lián)跳可能蘊含指數(shù)跳躍所未能反映的信息,提出運用非參數(shù)方法識別指數(shù)成分股的聯(lián)跳,采用自回歸條件風險模型估計成分股聯(lián)跳強度,并將其引入指數(shù)的已實現(xiàn)波動率異質(zhì)自回歸(HAR-RV-CJ)模型中,分析模型預測性能的改進。進一步的,考慮到宏觀信息公告的發(fā)布可能對股市產(chǎn)生整體性影響,相應影響成分股聯(lián)跳的幾率;因此,在成分股聯(lián)跳的自回歸條件風險模型中引入居民消費價格指數(shù)、國內(nèi)生產(chǎn)總值、貿(mào)易差額等宏觀信息公告變量,并分析對聯(lián)跳強度估計以及指數(shù)已實現(xiàn)波動率預測的影響。采用2011年1月4日至2013年7月11日滬深300指數(shù)及其成分股高頻數(shù)據(jù)的實證表明,指數(shù)成分股聯(lián)跳與指數(shù)跳躍具有不同的特征;用成分股聯(lián)跳強度代替HAR-RV-CJ模型中的跳躍構(gòu)建的HAR-RV-CI模型,較原始的HAR-RV-CJ模型,以及同時考慮指數(shù)跳躍與成分股聯(lián)跳強度的HAR-RV-CJI模型,具有明顯較優(yōu)的樣本內(nèi)擬合與樣本外預測性能。引入宏觀信息公告變量可以改進聯(lián)跳強度自回歸條件風險模型的擬合效果,并提高指數(shù)已實現(xiàn)波動率模型的樣本內(nèi)擬合能力,但對于指數(shù)已實現(xiàn)波動率的樣本外預測性能并無明顯的幫助。
【作者單位】： 南京大學工程管理學院;
【關(guān)鍵詞】： 聯(lián)跳 宏觀信息公告 波動率預測 異質(zhì)自回歸模型 自回歸條件風險模型 SPA檢驗
【基金】：國家自然科學基金資助項目(71201075,71671084) 高等學校博士學科點專項科研基金資助項目(20120091120003)
【分類號】：F224;F832.51
【正文快照】： 1引言金融資產(chǎn)的波動率是風險管理、投資組合配置、衍生產(chǎn)品定價等金融應用的關(guān)鍵參數(shù),因此對波動率的建模與預測研究具有重要的理論與現(xiàn)實意義。早期研究大多以Engle[1]和Bollerslev[2]的(廣義)自回歸條件異方差模型和Taylor[3]的隨機波動率模型為基礎,進行各種拓展以更好刻，

本文編號：879707