论文部分内容阅读
股票市场作为国民经济的“晴雨表”,是业内各界公认的实体经济的信号系统,同时股票市场也是连接企业和投资者的一个枢纽。因此对股票市场波动风险进行研究,更好地去预测市场波动,可为企业提供更好的保值、增值策略,为投资者防范风险提供有力参考。波动率作为风险测度的代表性变量,衡量了标的资产价格(收益率)变化程度,是机构和投资者进行金融产品定价、风险对冲与管理时关注的核心因素。但是,波动率自身是无法从市场数据中直接观察到,因此需要利用相关理论与方法进行度量。金融资产收益率的波动性易于观察和获取,被用作波动率常见的测度代理量。基于高频数据下,采用已实现的方差这种内含丰富信息的解释变量作为波动率的测度衡量对象,进行高频数据下回归建模已成为主流研究趋势之一。本文基于HAR模型,尝试将时变系数和杠杆效应加入HAR模型中,提出具有时变系数的非对称HAR(TVC-AHAR)模型。改进方法是将解释变量中的日度已实现方差用正、负已实现半方差代替,强调负向收益对波动率影响的杠杆效用;将两个半方差前的固定系数替换为时变系数,分别构造状态方程,体现正、负半方差各自的状态持续特征,反映市场不同投资情绪对自身波动性的影响。该模型参数估计易于实现,可以采用卡尔曼滤波法进行参数估计。为了进一步考察单向方差在建模中的作用,文章另外构建了仅具有正向半方差、负向半方差的单向时变约束模型,对比正、负已实现半方差的模型表现。文章实证部分选取了3个主要亚洲国家的上证综指、深证成指、恒生指数,国外的日经指数、首尔指数5个指数2010年1月1日至2019年9月30日的的五分钟高频收益率,利用高频收益率计算已实现方差、半方差。对比了以上指数在HAR模型、非对称HAR模型、时变HAR模型和时变非对称HAR模型下的样本内拟合和样本外预测表现,结果发现:(1)样本内,利用极大似然法估计固定系数模型,采用卡尔曼滤波估计法得到时变模型估计参数,利用极大似然值、赤池信息准则和贝叶斯信息准则作为评价标准,总体来说,五种指数在TVC-AHAR模型下的综合表现优于之前的HAR模型、非对称HAR模型、时变HAR模型,新模型下的变量持续性显著增强,且滞后一期的系数明显增大;除首尔指数外,负向约束模型的表现优于正向约束模型,但两约束模型的表现弱于TVC-AHAR模型。(2)样本外预测分为500个和800个两个预测波长。样本外评价指标采用损失函数、M-Z回归、组合回归和DM检验来考察各个模型的预测能力。实证结果来看,新模型在五种指数下的表现存在差异。国内上证综指、深证成指和恒生指数,国外首尔指数利用TVC-AHAR模型能够得到最好的表现。日经指数800个预测长度表现稍显逊色。总体来说,加入杠杆效应和时变系数效应的新模型对提高波动率预测确有帮助。