论文部分内容阅读
对金融市场波动特性的研究，是分析资本资产定价、金融风险防范等问题的基础。随着金融数据可获得性的增加，高频金融时间序列分析和建模问题成为国内外研究者关注的焦点。高频金融数据不仅进一步发展了原有的波动测量方法，并且通过揭示市场微观结构信息和长期日间现象使得波动预测更为可行和准确。本文选取2004年1月1日到2005年10月30日的441个上证综指日收盘数据和21168个日内5分钟数据，利用上证综指的日收益率和“已实现”波动率，对上海股票市场收益率的波动性以及模型预测问题进行了实证研究。主要研究内容为:
(1)上证综指收益率基本统计特征分析。对上证综指收益率的基本统计量、相关性、高峰厚尾性、平稳性等进行分析研究。所得到的结论为，上证综指日收益率和平方收益率不具有显著的长期相关性、不服从正态分布而具有明显的高峰厚尾性。而其“已实现”波动率具有一定的长期相关性，且表现出更为显著的高峰厚尾性。
(2)利用GARCH和ARFIMA模型对上证综指收益波动进行更深入地研究。将“已实现”波动率加入到GARCH、ARFIMA模型中，建立GARCH-RV、ARFIMA-RV(inlevels)、ARFIMA-RV(inlogs)模型，并根据模型各参数的含义深入分析上证综指的波动特性。
(3)根据前文建立的模型，利用样本外预测和滚动样本窗口的方法对上证综指收益率波动进行预测，并比较各模型的预测能力。结论表明，GARCH组模型的样本外预测能力显著低于ARFIMA组模型。“已实现”波动率作为解释变量加入GARCH模型后，一定程度上改善了GARCH模型的样本外预测能力。基于“已实现”波动率及其对数形式的ARFIMA模型的预测能力要大大优于GARCH模型，尤其是对数“已实现”波动率的ARFIMA模型预测表现最优。这些结果表明了“已实现”波动率对预测未来波动的重要性。