基于MS模型的我国股指期货收益波动状态预测-金融工程专业论文.docxVIP

万方数据 万方数据 摘 要 摘 要 中国大陆从 2010 年 4 月开始交易股指期货，无论是使用它进行市场投资，还 是对冲和套期保值，一个必须面对的问题就是如何科学地对波动进行预测，本文 考虑马尔科夫状态转换模型进行预测，它主要用于研究时间序列的状态转换行为， 是刻画时间序列波动行为一种非线性模型，并且已经在国外金融证券市场上广泛 应用，而且精度很高。本文使用多种形式的马尔科夫状态单变量转换模型，检验 并研究了股指期货市场收益波动率的状态转换性，同时做了样本内的预测。 结果发现，中国大陆股指期货的市场具有状态转换特征，两状态模型把期货 收益的波动分为高波动和低波动，三状态的模型把波动分为高波动，中等波动和 低波动，其中低波动和高波动的预期持续期较低，平均为 1 到 2 天，市场的状态 大部分时间处于中等波动状态，平均预期持续期为 6 到 10 天，三状态模型的精确 度要明显大于两状态模型的精确度，通过 60 天和 90 天滑动样本内预测，发现两 状态模型能够准确预测收益率状态成功率最高为 57.69%，具有较好的预测效果。 MS-GARCH 模型把永久性波动和暂时性波动都分为两个状态，永久性低波动 持续期最大，暂时性高波动状态持续期最小，暂时性波动分为两个状态说明暂时 性冲击即可以对市场造成巨大影响，市场也有可能吸收这种冲击。 自回归转换模型（MS-AR）模拟效果比起 MS 一般模型更加平滑，在自回归 模型中，二阶自回归转换模型比一阶自回归模型更加精确描述市场的状态，通过 比较它们，我们发现二阶滞后因子在模型中的重要性比一阶滞后因子更大，期货 收益状态的转换主要依赖于二阶滞后项，因此股市的波动行为往往受到二阶滞后 收益的影响更大。本文同时做了均值转换自回归模型，验证了三阶以内的两状态 和三状态模型，发现二阶模型的表现最好，三阶以上的模型效果逐渐降低，最后 验证了转移概率随时间变化的均值转换模型，发现标的股票指数收益的波动率是 影响转换概率的因素，模型的模拟效果最高，因此中国股指期货市场的波动行为 可以使用 MS-AR 模型进行预测，其他更加复杂的如向量自回归模型本文并未进行 检验。MS-AR（2）两状态模型样本内方向预测准确率最高，其中基于 90 个数据 的滑动预测成功率大约是 2/3，两状态模型的预测效果要好于三状态模型的效果， 发现一般模型就能够验证波动的转换性是本文的创新点，同时对马尔科夫状态转 I 摘 要 换模型在股指期货的应用提供了思路。 关键词：状态转换模型，股指期货，波动率，预测 II ABSTRACT ABSTRACT Mainland China began trading stock index futures from April 2010 ,whether it is used to invest, or hedging,one must face the question of forecasting volatility scientifically, we consider Markov switching model ,which is mainly used to study the state transition behavior of time series and is a nonlinear time series model characteriz ing behavior of volatility.The model has been widely applied in foreign financial and securities markets and high forcasting precision. This article uses various forms of state univariate Markov switching model to test and study regime swtiching of treturn volatility of stock index futures market，and do the in-sample forecast. The results showed that the Chinese stock index futures market has the state transition characteristics , the volatility of future could naturely be divided into two regime-high volatility and low volatility and in the three state model re