参数学习下的levy 动态波动率模型研究： 来自收益 - editorial express.pdfVIP

参数学习下的Levy 动态波动率模型研究 参数学习下的Levy 动态波动率模型研究： 来自收益率、风险测度及期权的证据1 1,2,3 3,5 4 5 吴恒煜 ，朱福敏 ，温金明，Aaron Kim (1. 中国金融安全协同创新中心，四川，成都，611130 ； 2. 西南财经大学，中国金融研究中心，四川，成都，611130； 3. 西南财经大学，经济信息工程学院，四川，成都，611130； 4. 加拿大麦吉尔大学，数学与统计学院，魁北克，蒙特利尔，H3A 2K6 ； 5. 纽约州立大学石溪分校，应用数学与统计系、商学院，长岛，纽约，NY11794.) 摘要 非高斯、非对称的动态波动率模型及其计量是现代金融的重要研究课题。本文考察了参数学习方法下 Levy 过程驱动的广义自回归条件异方差模型在收益率估计、风险度量和期权定价方面的表现。我们分别采 用了傅里叶变换的极大似然估计和蒙特卡罗模拟的序贯贝叶斯参数学习两种方法，研究四类不同跳跃形态 的动态波动率模型在评估金融市场系统风险的市场价格、在险价值（VaR/AVaR ）及隐含波动率上的优劣和 差异。本文也对上述模型和估计方法进行了回溯测试（Back-testing ）与误差检验。研究结果表明：无穷活 动率动态波动率模型在收益率估计、风险评估及期权定价上表现皆优于扩散和有限跳跃模型；金融市场对 跳跃风险的溢价远高于扩散风险；非高斯动态模型皆能通过回溯测试的各项检验，而高斯动态模型则均被 拒绝；隐含波动率的均值平方根误差分析显示，参数学习方法显著改进了各动态模型的期权定价能力。最 后，本文还进行了动态模型的模拟仿真测试，实验结果表明，在Levy-GARCH 动态模型的校准方面，序贯 参数学习相比极大似然估计更加精确、更加稳健。 关键词：Levy 过程；GARCH 模型；参数学习；风险溢价；AVaR/VaR ；期权。 中图分类号：F830 文献识别码：A 文章编号： 作者简介： 1、吴恒煜(1970- ) ，男，广东雷州人，中国金融安全协同创新中心专职研究人员，西南财经大学中国金融研究中心和经济信 息工程学院教授、博士生导师，研究方向：金融工程，金融经济学；E-mail:wuhengyu@163.com ； 2 、朱福敏(1985- ) ，男，江西赣州人，西南财经大学经济信息工程学院博士，纽约州立大学石溪分校应用数学与统计系数量 金融项目联合培养博士研究生，研究方向：金融工程，金融计量，Email ：zhufumin520@163.com ； 3、温金明(1984- ) ，男，江西赣州人，加拿大麦吉尔大学数学与统计系博士，研究方向：优化与参数估计。 4 、Aaron Kim，男，纽约州立大学商学院助理教授，韩国西江大学获得数学哲学博士，德国卡尔斯鲁厄理工学院统计与金融 学理学博士，研究兴趣为金融数学建模及其应用领域，包括厚尾、不对称相依结构等，研究领域有金融风险管理、投资组合 管理、和衍生品定价。 基金项目： 本文获得国家自然科学基金项目70825005）、国家社会科学基金重点项目（11AZD077）、教育部 社科研究基金规划项目（10YJA790200，13YJA790076，13YJA790104）、国家教育部留学基金(201206980001 ）、西南财经大 学中央高校基本科研业务费专项资金（JBK1207066 ，JBK120505 ，JBK130214 ，JBK130401 ）和西南财经大学中央高校科研业 务费专项资金及四川省教育厅创新团队项目（JBK130401 ）资助。 1 感谢纽约州立大学石溪分校应用数学与统计系量化金融俱乐部 （Quantitative finance club ）对本文提供的帮助，感谢Svetlozar Rachev, Frank J Fabozzi, Peter Christoffersen 等教授对本文提出的修改建议。 1 参数学习下的Levy 动态波动率模