论文部分内容阅读
资产收益的波动并不都是连续的、平滑的,大量的事实表明还存在离散的大幅波动,这种离散的大幅波动称之为跳跃,跳跃行为无论在参数方法还是非参数方法上都已经得到了广泛的研究,对跳跃行为性质和特征的认识也越来越全面。当资产收益中存在跳跃行为时,跳跃行为会改变资产收益分布的高阶矩,如果投资者具有高阶矩偏好,那么会要求获得额外的溢价来承担高阶矩风险,从直觉上看,跳跃行为会通过资产收益的高阶矩间接地影响资产溢价,本文的主要工作就是验证这种直觉。本文主要研究跳跃风险是否通过收益的高阶矩显著定价于资产溢价中,采用均值方程包含资产收益高阶矩的ARVI-GARCH-Jump模型,并且根据偏好理论对收益的高阶矩施加符号限制,通过上证指数2005年1月至2018年6月的日度数据的实证研究,发现除了峰度风险,方差风险、偏度风险都是被显著定价的,由于收益的高阶矩都含有跳跃成分,显著定价的方差风险和偏度风险间接证明了跳跃风险是被显著定价的,考虑到模型的稳健性,本文对多个可替代的资产溢价均值方程和可替代的波动方程进行实证检验,发现方差风险和偏度风险定价依然是稳健的。本文计算了不同成分对资产溢价的贡献大小,由于高阶矩的参数化中同时包含GARCH波动率和跳跃成分,本文分别将跳跃和GARCH波动率对资产溢价的净影响分离出来,发现一年中每增加一次跳跃,资产溢价将增加0.0226%,每年发生跳跃的次数大约为157次,跳跃风险对资产溢价的贡献大约是每年3.54%,跳跃呈现高频率、单次跳跃导致资产溢价幅度比较低的特征。在研究GARCH波动率对资产溢价的影响中发现,在平稳时期,资产溢价和GARCH波动率呈现负相关关系,在不稳定时期,资产溢价和GARCH波动率呈现正相关关系。本文还研究了高阶矩风险对资产溢价的贡献大小,发现方差风险导致的资产溢价平均来说为5.25%,偏度导致的资产溢价平均来说为6.78%,偏度溢价略高于方差溢价,这样的现象主要源于样本区间内上证指数“牛短熊长”导致的低波动率特征。根据模型的估计结果,时变高阶矩的描述性统计与上证指数超额收益的方差、偏度高度近似,时变跳跃、时变方差也与上证指数的走势高度一致,说明模型很好的抓取了上证指数超额收益的分布形态特征。最后,本文的实证结果显示只用低频股票数据可以识别跳跃风险和跳跃风险对资产溢价的贡献程度。