研究极差信息金融市场波动率的综述与评价论文.docxVIP

波动金融论文范文:研究极差信息金融市场波动率的综述与 评价论文 极差信息金融市场波动率的综述与评价论文 摘要：金融资产收益的波动率对于期权定价、资产投资组合以及风 险管理都十分重要，对于波动率的度量有儿种不同的策略，文章从极 差的角度入手，总结并评价了近年来极差信息波动率在金融市场中的 理论发展与应用研究，并给出关于极差信息波动率研究的研究展望。 关键词：极差；低频极差波动模型；高频数据；已实现极差波 动率；市场微观噪音 一、引言 金融资产的波动率在衍生产品定价、资产分配与风险管理等方 面都发挥着重要的作用，一直是金融计量领域的研究热点。随着全球 金融市场的一体化和金融工具的复杂化，对波动率的测度要求也越来 越高。目前，关于波动的度量策略大致分为三类：低频波动率模型、 高频已实现波动率和混频已实现波动率模型。低频波动率模型主要是 (G) ARCH以及随机波动模型；高频已实现波动率采用高频数据计算 FI内收益的平方和；混频已实现波动率模型是将高频已实现波动率与 低频波动率模型结合起来。 以上三种关于波动率的测度策略虽然在理论和实际应用中取得 了较好的成果，但始终存在一些不足。这些策略都是采用的金融资产 的收益率数据，只采用收盘价或开盘价信息，始终没有充分利用所采 集到的样本信息。然而，一些研究表明来自于最高价与最低价之差的 极差信息在估计波动率方面能够得到比收益率数据更好的效果。极差 数据使用了资产价格的最高价与最低价，与只使用收盘价的收益率数 据相比利用了更多的资产价格数据信息。 极差在统计学中的概念是一组数据中最大值与最小值的差，是 对数据离散程度的一种度量。金融数据中的极差则是指在某段时间内 最高价与最低价之差。最早关于极差的研究可追溯到Feller (1951), 在其文中率先推到出了零均值独立同分布随机变量和的极差的渐近 分布。直到1980年Parkinson在Feller (1951)的基础上推导出了 金融资产对数价格极差的二阶距与资产收益波动率之间存在一个倍 数关系。具体地说，Parkinson (1980)假设股票价格服从一个零漂 移项扩散项为常数D的维纳(Wiener)过程。对数价格极差的二阶距 与收益率数据的波动率(方差)之间的确存在一个明确的倍数关系。 而且，与传统使用收盘价或开盘价构造的波动率估计量相比，使用极 差信息构造的估计量要有效5倍。这极大地推动了极差波动率的发 展。Garman和Klass (1980)将极差波动率估计量进行了扩展，使其 包括更多的信息:开盘价和收盘价。Wiggins (1991), Rogers和 Stachll (1991), Kunitomo (1992),以及 Ydng 和 Zhang (2000)等 在研究中同样得到了使用极差信息构造波动率是更有效的估计的结 论。 极差作为波动率的一种更有效的估计被证明后，越来越多的学 者开始致力于极差信息金融市场波动率的研究。国内尚且没有学者对 极差信息波动率的研究作出综述与评价，本文将从极差的角度综述并 评价近年来极差波动率估计在低频和高频领域的理论研究与发展应 用。 二、低频极差波动率模型 虽然基于极差信息构造的波动率估计得到了理论和模拟结果的 支持，但是，在实证分析中表现的却并不理想。Cox和Rubinstein (1985)曾对此作出研究，发现极差波动率估计量在实证方面表现欠 佳。Chou (2005)认为极羞波动率估计在实践中表现不佳在于它们忽 略了价格极差的时间变动。为了解决这个理由，Chou (2005)受自回 归条件持续期(Autoregressive Conditional Duration, ACD)模型 的启发，利用极差波动率估计的思想和GARCH模型动态表现波动率特 征的思想，提出了条件自回归极差(Conditional Auto-Regressive Range, CARR)模型，并将该模型应用于美国SP500股票指数与台湾 加权指数周数据与FI数据的实证分析上，获得了良好的预测效果。 其模型为： Rt二？姿 t?着 t ?姿 t=?棕+■?琢 iRt-i + ?？茁 j?姿 t-j ?着tllt-l?f (1, ?孜t) (1) 其中，极差被定义为：Rt=max{Pt}-min{Pt}, ?姿t是基于到 时间t时刻极差信息的条件均值，假定扰动项？着t具有均值为1的 f ( ?)密度分布。同时，Chou (2005)在文中也提出了一个包含外 生变量的 CARR (Conditional Autoregressive Range with Exogenous Variables, CARRX或ECARR)模型，可以用于研究波动率与其他外生 变量之间的关系。 CARR模型在形式上是GARCH模型的衍生，继承了