基于分类信息的HAR-RV模型的我国股市波动率研究.pdf 55页

  • 0
  • 0
  • 0
  • 约9.53万字
  • 2020-08-13 发布

基于分类信息的HAR-RV模型的我国股市波动率研究.pdf

文档工具:
    1. 1、本文档共55页,可阅读全部内容。
    2. 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
    3. 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
    4. 文档侵权举报电话:19940600175。
    基于分类信息的HAR-RV 模型的我国股市波动率研究 摘 要 鉴于波动率的不可观测性,波动率的研究在金融市场研究中占据举足轻重的地位。 理论研究方面,金融资产的风险度量、定价以及衍生品的定价都涉及到对于波动率的 把控;投资实践方面,金融市场的波动率的变化也是金融投资者最为关注的问题,因 此对于波动率的度量和预测显得至关重要。近几年来,高频数据的获取和存储方式由 于计算机技术的高速发展变得尤为便捷。基于高频数据对已实现波动率的研究逐渐受 到国内外众多学者们的关注,这将成为波动率研究的一个重要的视角。本文基于异质 市场假说以及混合分布假说,将分类信息引入异质自回归(HAR-RV)模型中,对已实 现波动率进行建模,以分析分类信息对我国股市已实现波动率的影响以及探求具有稳 健预测能力的波动率模型。 本文运用实证分析的研究方法,选取上证综合指数2012 年 1 月4 日到2018 年 11 月30 日的日内高频数据作为研究对象。首先,本文计算出已实现波动率,同时对 其进行调整,并分析我国股市已实现波动率的特征。其次,根据异质市场假说理论为 基础构建 HAR-RV 模型,检验到模型的残差项序列存在异方差性,从而构建 HAR-RV-GARCH 模型;然后,本文基于混合分布假说理论及其扩展理论,以成交量 作为信息流的代理变量,按照冲击强度将去除了序列相关的信息交易量分解为进入市 场的四种信息流,分别为―强的正信息流‖、―弱的正信息流‖、―强的负信息流‖、―弱的 负信息流‖,作为分类信息的代理变量加入到HAR-RV-GARCH 模型中,以考察引入 分类信息对于我国股市已实现波动率的影响。最后,本文运用滚动时间窗口预测法进 行样本外预测,并基于损失函数法以及 Mincer-Zarnowitz 回归法对 HAR-RV 模型、 HAR-RV-GARCH 模型以及引入分类信息的HAR-RV-GARCH-V 模型的预测能力进行 评价,探求出具备稳健预测能力的波动率模型。 实证结论表明,第一,我国股票市场已实现波动率具备尖峰厚尾性、长期记忆性 以及右偏性的特征。第二,我国股票市场存在投资者异质性的特征,其中,短期投资 者、中期投资者、长期投资者的交易行为对我国市场波动率的影响程度依次减弱。第 三,引入分类信息到已实现波动率模型中,按照冲击强度区分的―强的正信息流‖和―强 的负信息流‖对于波动率的影响是显著的,―强的正信息流‖负相关于已实现波动率, ―强的负信息流‖正相关于已实现波动率,正负信息流对于已实现波动率的影响呈现出 非对称性。第四,基于损失函数法以及Mincer-Zarnowitz 回归法,本文研究得到引入 分类信息后的HAR-RV-GARCH-V 模型对于我国股市已实现波动率的预测能力最优。 关键词:分类信息;已实现波动率;HAR-RV 模型 1 基于分类信息的HAR-RV 模型的我国股市波动率研究 ABSTRACT As volatility is unobserved, the research on volatility has become more and more important, occupying a significant position in financial market research. In the course of theoretical research, the measurement of financial risk, the pricing of financial assets, and the pricing of financial derivatives all have a relationship with volatility. In terms of investment practice, the changes of volatility in financial market

    文档评论(0)

    • 内容提供方:136****6583
    • 审核时间:2020-08-13
    • 审核编号:5304211011002331

    相似文档