论文部分内容阅读
在日益复杂的金融市场环境下,投资者在追求报酬最大化的同时,更加关注风险的评估和管理,因此风险管理成为金融学者们相当重要的研究课题之一。随着非参数估计广泛应用于估计波动率,人们更加关注日内丰富信息对风险管理的重要性,基于高频数据的跳跃行为研究在现实中可以很好地解释日内异常事件对价格和风险的影响。跳跃行为对准确预测方差有重要作用,同样地,共同跳跃行为对准确预测协方差也非常重要,进而对合理资产组合配置、优化资产管理都要重要的作用。本文在已有文献研究的基础上,基于高频数据,从以下几个方面对不同金融资产之间的共同跳跃行为进行有关建模方面的研究:1)系统阐述近几年国内外关于金融资产共同跳跃的研究现状,并从理论上分析了资产价格服从的跳跃-扩散过程,为后面的研究提供理论基础。2)系统阐述四种常用的日内跳跃检验统计量,并从实证角度对这些日内跳跃检验统计量进行比较,通过分别利用模拟数据和实证数据对统计量比较后发现,ABFN统计量在总体上在检测日内的跳跃行为方面具有一定的优越性。3)应用ABFN统计量剥离出跳跃方差序列和跳跃协方差序列后,分别建立预测方差和协方差的多资产MHAR-RCV-CJ模型,并且与MHAR-RCV模型比较预测精度,证明共同跳跃对于预测协方差的重要性,考虑共同跳跃能够更好地预测协方差。4)在用MHAR-RCV-CJ模型和MHAR-RCV模型预测出方差和协方差的基础上,对构造出的等权重资产组合分别进行VaR和ES风险度量分析并比较后发现:考虑跳跃和共同跳跃的MHAR-RCV-CJ模型构造出的资产组合风险度量效果比不考虑跳跃和共同跳跃的MHAR-RCV模型的效果好;相对于VaR度量方法,ES度量方法更加精确,是用于资产组合风险度量的更好方法。本论文是国家自然科学基金资助项目《基于已实现测量非参数方法的金融资产跳跃行为研究》(NO.71171056)的阶段性研究成果。