非对称随机波动模型的有效估计方法及沪深股市的应用研究.docVIP

2008年数量经济学年会·宁波 第1组 计量经济理论与方法 非对称随机波动模型的有效估计方法及沪 深股市的应用研究 郑挺国 刘金全 (吉林大学数量经济研究中心，130012) 内容摘要：非对称随机波动(SV)模型是当前金融计量学研究的一个重要课题。本文在Yu (2005)的非对称SV模型设定下，按照Kim et al. (1998)对SV模型进行对数平方转换，给出了一种基于扩展Kalman滤波和前向滤波、后向抽样(FFBS)算法的马尔科夫链蒙特卡罗(MCMC)估计方法。为考察该MCMC估计方法的有限样本性质，本文构建了随机模拟实验，结果表明杠杆效应系数模拟结果与Yu (2005)及Kawakatsu (2007)的模拟结果相似，且明显优于Jacquier et al. (2004)的模拟结果，其余参数的模拟结果随样本长度变大趋于真实值。最后，我们对我国沪深股市收益率进行了应用研究，证实了该估计方法的有效性、准确性，并获得了存在杠杆效应的经验证据。 关键词：非对称SV模型；杠杆效应；MCMC估计；FFBS算法；扩展Kalman滤波 作者简介： 郑挺国，男，1979年6月，吉林大学数量经济学专业博士研究生，已在《China Economic Review》、《Frontiers of Economics in China》、《经济研究》、《管理世界》和《世界经济》等国内外经济学杂志上发表学术论文18篇。Email信箱：或。通讯地址：吉林省长春市前进大街2699号，吉林大学数量经济研究中心，邮编130012。 刘金全，男，1964年6月，博士，吉林大学数量经济学专业教授、博士生导师，已在《Frontiers of Economics in China》、《中国社会科学》、《经济研究》、《管理世界》和《世界经济》等国内外经济学杂志上发表学术论文100多篇。Email信箱：jluztg@或zhengtg1979@。通讯地址：吉林省长春市前进大街2699号，吉林大学数量经济研究中心，邮编130012。 非对称随机波动模型的有效估计方法及沪深股市的应用研究 郑挺国、刘金全 一、引 言 波动率和资产收益率之间的关系已成为金融计量学广泛研究的一个重要课题。大量研究表明股票价格运动和波动率之间呈负相关，这称为杠杆效应，例如Black (1976)、Christie (1982)及Engle and Ng (1993)。通常当有利空消息产生时，公司股票价格下跌并暗示公司财务杠杆提高，人们相信这意味着更多的不确定性及更高的波动率。Black (1976)和Christie (1982)最早发现杠杆效应的证据，即波动率对利空消息趋于上升，而对利好消息趋于下降。Christie (1982)在Modigliani/Miller经济模式下提供了杠杆效应的理论解释。事实上，如Hull and White (1987)所述，当在SV模型中未考虑非对称特征时，期权价格实质上可能是有偏的。然而，Black (1976)、Christie (1982)及Schwert (1989)的实证结果表明，杠杆效应自身作用太小，不足以解释股票价格中发现的不对称性。 许多方法可以用来检验杠杆效应，这主要取决于波动率如何定义。Christie (1982)通过以季度计算来自天数据的波动率，并将波动率与收益率建立相关性，这实际上产生了杠杆效应的一种最简单检验。在ARCH族文献中，通常条件方差被设定为收益率大小和符号的函数，如Glosten et al. (1993)及Nelson (1991)。于是，波动率对收益率的非对称响应就可以通过检查相关系数的显著性来检验。而在SV文献中，已有一些研究将波动率与收益率的符号建立联系，如Harvey and Shephard (1996)、Jacquier et al. (2004)及Yu (2005)。 在期权定价文献中，非对称SV模型通常根据随机差分方程(stochastic differential equation, SDE)进行公式表示，广泛使用的非对称SV模型将资产价格S(t)和对应波动率σ2(t)的过程设定如下 dS(t)=μ(t)S(t)dt+σ(t)S(t)dW1(t) dlnσ2(t)=α+βlnσ2(t)dt+σvdW2(t) (1) 其中W1(t)和W2(t)为两布朗运动，且corr(dW1(t),dW2(t))=ρ，参数ρ代表杠杆效应。为简单起见，我们假设收益率方程漂移为零，即μ(t)=0。然而，由于布朗增量?σ(t)S(t)dW1(t)的波动过程是一tt+1 个随机过程，连续复利收益率分布在闭型形式下未知。 在经验研究中，上述模型通常以离散化形式给出并进行估计。设ds(t)=dS(t)S(t)=dlogS(t)为对数