论文部分内容阅读
现代金融学理论中对金融资产收益的波动率估计方法是经济金融多个领域研究的核心内容之一。估计金融资产波动率的波动模型大致有以下两种方法模型:①隐含波动率模型(ImpliedVolatilityModel，简记为IVModel)，这种对波动率的描述方法是基于期权价格数据。②历史波动率模型(HistoricalVolatilityModels，简记为HVModel)，这类波动率模型方法的构建来源于历史收益数据。在历史波动率模型中最具代表性的是自回归条件异方差模型(ARCHModel)、广义自回归条件异方差模型(GARCHModel)、随机波动模型(StochasticVolatilityModel，简记为SVModel)以及“已实现”波动率模型(RealizedVolatilityModel，简记为RVModel)。传统上用日收益率的平方建模作为日波动性的估计值，如:ARCH、GARCH族和SV族模型，这会产生非常严重的测量误差和噪声，而近期发展起来的基于高频收益数据的“已实现”波动的估计量是求得一个样本区间内的收益率的平方之和，这会大幅度降低这些测量误差和噪声对其真实波动率过程的影响，而且随着高频收益频率的越来越高，这种测量误差和噪声也会越来越小。
鉴于以上分类，对金融市场波动率的刻画已有多种不同的模型描述方法，但是，究竟哪一种模型方法才是最适合中国股票市场实际波动状况和风险特征呢？
近些年来国内众多学者对我国股市的波动率估计与预测进行了一些有益的探索，迄今为止，国内研究中仍然存在着某些需要进一步研究的问题。为了全面深入地探求中国股票市场的波动特征，选取最优的波动率预测模型，本文以沪深300指数为实证分析对象，力求对以下问题进行研究:大部分研究仅仅针对低频数据的GARCH族模型和SV族模型的波动率预测结果进行比较，本文对基于高频数据的“已实现”波动率模型(RVModel)和基于低频数据的历史波动率模型(HVModel)的预测结果进行比较，通过对具有代表性的沪深300指数收益率的波动率进行建模，实证检验不同波动率模型的波动预测精度，对比研究后选出模拟我国股票市场最优的波动模型。