基于ARFIMA模型的波动率预测及交易策略研究.doc

第一章 绪论 基于 ARFIMA 模型的波动率预测及交易策略研究 式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线 性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学 研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一个全面的解决方 案，并在很大程度上摆脱了传统非交互式程序设计语言的编辑模式，代表了当今国际 科学计算软件的先进水平。 MATLAB 具有简单易用、强处理能力等优势，可以对模型进行数值计算，也可 以利用统计工具箱进行统计假设检验，同时还可以进行图像分析，集结了数学、统计 及计算机三大功能于一体。 Tiny Soft 是深圳市天软科技开发有限公司研发的专业投资研究平台以及高端金 融工程支撑平台，它为投资研究管理、数量化投资、上市公司财务估值系统、投资策 略构建、交易策略验证、金融工程开发平台、指数基金系统、基金评价、组合管理等 方面提供数据平台，可全方位为券商、基金、资产管理公司的投研一体化提供最专业 的技术和产品支撑，并可为当前炙手可热的数量化投资基金的设计、未来的跨市场投 资，基于高频数据挖掘的股指期货以及日内交易等提供平台。本文数据挖掘以及基于 数据的图形来源于该软件。 本文的研究内容安排 本文基于股票期权定价的研究背景，结合国内外波动率研究现状，将文章分为五 章内容，各章内容安排如下： 第一章，绪论。本章主要论述了波动率、长记忆 ARFIMA 模型的研究背景、理 论框架；介绍了本文所用到的软件：MATLAB 软件以及天软软件；最后介绍了本文 的研究内容安排。 第二章，波动率序列的研究方法。本章主要介绍基于二次移动平均的“已实现” 波动率的度量方法；提出对 RV 序列进行长记忆性识别方法。 第三章，ARFIMA 模型。本章首先介绍 ARFIMA 模型的概念；利用长记忆性的 识别方法求解出模型对应的分数阶差分；利用数学方法推导出分数阶差分过程；推导 出 ARFIMA 模型的预测公式。 2 基于 ARFIMA 模型的波动率预测及交易策略研究 第一章 绪论 第四章，实证研究与数据分析。首先以申万 50 指数的标的股票为例，我国股票 市场进行长记忆性分析；再以江西铜业(600362)为例，对中国股票市场 RV 序列进行 ARFIMA 建模、预测及统计分析；最后以沪深 300 指数为例，对中国股指市场 RV 序 列进行 ARFIMA 建模、预测及统计分析；对以上实例分析结果进行总结。 第五章，基于波动率的期权交易策略。首先介绍波动率异常的识别的四种方法； 接下来分别介绍买入、卖出波动率策略。 第六章，全文总结和展望。对本文所做工作、文章创新之处以及进一步展望做总 结性论述。 3 第二章 波动率序列的研究方法 基于 ARFIMA 模型的波动率预测及交易策略研究 第二章 波动率序列的研究方法 波动率序列的度量 对于波动率度量方法，经济、统计、数学各方面的学者有着大量的研究成果。具 体来看：Engle(1982)首次提出 ARCH 模型用以解释波动率的时变性和丛聚性； Bollerslev(1986)在原有 ARCH 模型的方差方程中加入滞后方差项，从而提出 GARCH 模型；Taylor(1982)首次提出了对数整态随机波动率模型；Taylor(1994)，Shephard(1996) 对该模型作了进一步的深入研究和扩展。另外，从类似 Black-Scholes(1973)模型中也 能推导出隐含波动率(Implied Volat ilit y)。 然而，上述度量波动率的方法，虽然都具备一定的理论和应用价值，但他们都存 在明显地缺陷。对于参数化模型(如 ARCH 类)，他们都依赖于很强的假设并且存在着 自身的不足，因此，由参数化模型所得出的结论的稳健性不能得到很好的确定。对于 类似 Black-Scholes 产品定价公式，它依赖于很强的假定，所以从衍生品价格得到的 隐含波动率也不能很好的诠释波动率的特性。为此，Merton(1980)指出：在样本频率 充分大的条件下，通过加总高频平方变量的值，一个独立同分布随机变量的方差(在 一个固定期限内)，可以被估计的充分精确。因此，波动率序列的研究开始关注高频 数据。 度量方法理论论述 根据 Andersen，Bollerslev 的研究成果，在日内频率选取适当的情况下，RV 是真 实波动率的无偏、有效且一致的估计量，它没有经典算法所带来的时间滞后。这样就 可以直接研究 RV 来检验波动率的各种特征，并对未来波动率进行预测。 Andersen 等(2001,2003,2005)指出如果收益过程是一个半鞅，只要选取足够大频 率的日内样本数据，RV 可以无限接近波动率。但是，因为日内数据受到市场微观结 构的影响，频率太大则会