论文部分内容阅读
波动率是金融研究中一个非常重要的变量,其无论是在资产定价,风险管理还是投资组合方面都扮演着非常重要的角色。因此如何对金融资产的波动率进行准确的描述进而进行准确预测一直是国内外学者所关注的焦点之一,同时也是各大投资机构的重要研究对象和个人投资者进行投资的重要参考标准。尽管国内外学者已经在波动率研究方面已经取得了颇多成就,但经过文献梳理发现,目前的研究仍然存在以下两个问题:(1)虽然高频数据的获得越来越方便,但大部分学者的研究还是基于日级别的低频数据形成的时间序列,忽略了高频数据所包含的丰富信息。(2)小波分析这种被誉为“数学显微镜”的方法在其他非金融领域已经被广泛引用,且取得了很好的效果。然而目前波动率的研究大多还是以整个时间序列建模分析,没有从时间-频率双维度去挖掘时间序列所包含的有价值的信息。基于以上两个问题,本文尝试以HS300指数的5分钟收盘价高频数据为基础数据,引入小波分析对波动率进行研究。为了验证小波分析是否能提高波动率的预测准确度,本文设计了三种方法对波动率进行预测,通过比较每种方法的RMSE,MAE,MAPE来判断每种方法预测效果。第一种方法:以高频数据为基础计算已实现波动率RV,对RV建立ARFIMA-RV模型进行预测,记录预测效果的评价指标RMSE,MAE,MAPE作为参考标准。第二种方法:利用小波分析对高频数据进行去噪,重新计算RV,对新的RV建立ARFIMA-RV模型进行预测,记录预测效果的评价指标RMSE,MAE,MAPE。第三种方法:利用小波多频分析能力对数据进行三层极大重叠离散小波变换,得到代表不同频率的3个高频信号序列和1个低频信号序列。重复计算RV的步骤,在每一层子序列上建立ARFIMA-RV模型进行预测,将每一层的预测值累加得到最后的预测值,记录预测效果的评价指标RMSE,MAE,MAPE。通过比较每组RMSE,MAE,MAPE发现,在引入小波分析后,ARFIMA-RV模型对波动率预测的准确度有了一定程度的提高,尤其第三种方法的提高程度更为明显。最后将第三种方法得到的波动率估计值应用到VaR的计算中。在T分布和95%、97%、99%三个置信水平下,VaR模型都通过了kupiec失败率检验。这说明本文引入的小波分析方法不仅可以提高波动率预测准确性,且得出的波动率具有一定的现实意义,比如计算VaR。