论文部分内容阅读
随着我国股票市场的蓬勃发展，对股票市场波动率进行参数估计及预测研究，已经成为近几十年来学术界研究的热点问题。在金融资产价格波动率的刻画上，相较于使用传统的低频数据，高频数据有着低频数据无法比拟的信息优势。Merton提出已实现波动率的概念，它的测度不依赖于任何模型，也无需进行参数估计。在对已实现波动率研究中，Corsi基于异质市场假说提出HAR-RV模型，Andersen、Bollerslev等人在此基础上，将跳跃成分加入到该模型构建HAR-RV-J和HAR-RV-CJ模型。 本文在此背景下，结合Bardorff-Nielsen等人提出的符号跳跃变差，将其作为自变量添加到HAR-RV模型中，构建出HAR-RV-SJV、HAR-RV-J-SJV和HAR-RV-CJ-SJV模型。然后进一步，在模型中加入隔夜波动率构建出HAR-RV-SJV-M、HAR-RV-J-SJV-M和HAR-RV-CJ-SJV-M模型。 本文选取从2014年3月3日至2017年3月3日沪深300指数的5分钟高频收盘价数据，计算出已实现波动率。用上面提到的9个模型对我国股市已实现波动率进行估计和样本外预测，来研究符号跳跃变差和隔夜波动是否有助于提高对我国股市波动率的预测精度。实证结果表明:符号跳跃变差有助于提高波动率模型的预测精度，而隔夜波动率只有在对短期波动率预测时有显著影响。接下来，将符号跳跃变差分解为正向符号跳跃变差和负向符号跳跃变差，发现只有负向符号跳跃变差对未来波动率有显著影响。另外，本文还发现符号跳跃变差对未来波动率的连续成分有显著影响。通过对损失函数值的比较发现，HAR-RV-CJ-SJV-M的预测能力优于其他模型。