波动率是金融市场风险管理的核心内容,同时也是资产配置和资产定价的关键所在。跳跃作为金融资产价格运动过程的一部分,构成金融资产波动率的重要成分。深入分析跳跃行为对准确估计金融资产波动率具有重要意义。传统波动率计算参数复杂,准确性不高,无法与高频数据有效结合。本文在已实现波动理论的框架下,使用高频数据,以沪深300指数为研究对象,构建已实现波动。进一步区分其连续与跳跃部分,对跳跃的三种成分(包括跳跃大小、跳跃方向以及跳跃强度)进行度量,最大化利用跳跃信息以提高波动率预测的精准度并应用于市场风险度量。主要方法和结论如下:一、基于非参数方法,分别使用BN-S方法和门限方法,分离连续样本路径方差与跳跃方差,并对比两种方法的优劣。结果表明:已实现波动及跳跃方差均存在尖峰厚尾与集聚性特征,已实现波动的长记忆性特征显著;经过已实现波动(真实值,非估计值)标准化的收益率近似服从正态分布;门限方法比传统的BN-S方法更好,表现在门限双次幂变差是积分波动更好的估计量,C-Tz检验统计量对跳跃发生的判断和捕捉更为灵敏、准确。二、构建跳跃方差且进一步研究跳跃方向信息,区分正向跳跃方差和负向跳跃方差;应用指数平滑的加权方法处理原始跳跃强度,代入霍克斯模型对跳跃强度建模;使用HAR类模型对波动率建模时,采用窗口移动平均方法构建模型中的相关变量(已实现波动、门限双次幂变差等),同时考虑跳跃信息的不同成分对模型的影响,确定并检验最优模型。实证结果证明:正负向跳跃方差均加剧波动,但并不对称,负向跳跃方差对波动率的影响比正向跳跃方差显著的多;跳跃强度具有自激特征,它和波动率为负相关关系,但是第t期“有跳跃发生”这一事件则会加剧第t+1期的波动率;使用窗口移动平均方法能够显著提高各模型的预测能力;研究跳跃行为,考虑跳跃的各方面信息都进一步改善模型的预测水平。三、以不同的HAR类模型估计的波动率对收益率进行标准化,对比收益率服从正态分布及偏t分布假定下计算的VaR值的准确性。实证结果表明:最优模型和偏t分布下的市场风险度量结果最为准确。