论文部分内容阅读
高频金融数据的研究是金融计量学的一个全新的研究领域。近二十年,学术界对高频金融数据的波动率模型的研究已成为一个热门。自1982年Engle提出ARCH模型以来,金融经济学界已经发表了数千篇关于条件异方差或波动率的文章。特别是最近十年,Andersen等学者提出了用高频分时数据估计波动率的方法,这种方法可以得到比较准确的波动率估计值,称为“已实现”波动率。以此为基础,众多学者在波动率的特征和预测两方面进行了更为深入的研究,其中ARFIMA-RV是一类非常重要的波动率预测模型。后来张世英等人依据高频分时数据的日内“U”形走势提出赋权“已实现”波动率,并指出其长记忆性,印证了金融数据的长记忆性这一重要的特征。赋权“已实现”波动率也是一种无模型的波动率度量方法,但是对于赋权“已实现”波动率的建模研究至今几乎没有。本文在阅读大量国内外文献的基础上,对具有长记忆性的高频金融数据的波动率进行了研究。首先实证研究比较了中国上证综合指数的收益率以及不同的标准波动率的基本统计特征,验证了用“已实现”波动率及其扩展可以得到比较准确的波动率估计值这一结论。接着用两种已有的方法检验不同波动率的正态性,不仅验证了“已实现”波动率及其扩展形式取对数后近似服从正态分布,而且发现取对数的赋权“已实现”的正态性具有更高的显著性。在赋权“已实现”波动率“无模型”的特征情况下,引入ARFIMA-ARIMA这一ARFIMA的扩展形式,来描述取对数的赋权“已实现”波动率的长记忆性等特点,以预测未来的波动率。最后用实证分析评价本文提出的模型ARFIMA-ARIMA-WRV,得到模型的良好性,再一次验证了赋权“已实现”波动率的长记忆性。介绍了金融数据波动率在风险管理中的一类重要的应用:基于赋权“已实现”波动率,给出了在险价值的计算方法。