蔡光辉，应雪海

浙江工商大学统计与数学学院, 杭州 310018

出版日期:2020-03-25发布日期:2020-05-30

The Forecasting Performance of the High-Frequency Volatility Models Based on Jumps, Good-Bad Volatility and Markov Regime-Switching

CAI Guanghui,YING Xuehai

School of Statistics and Mathematics, Zhejiang Gongshang University, Hangzhou 310018

Online:2020-03-25Published:2020-05-30







摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论

基于跳跃、好坏波动率的视角, 采用比ABD检测更稳健的ADS 检测法进行甄别跳跃, 提出HAR 改进模型, 进一步考虑到实际波动率的非线性和高持续性动态, 文章引入马尔科夫状态转换机制以构建对应的MRS-HAR 族模型, 推导其参数估计方法, 并运用滚动时间窗预测技术和MCS检验评估预测模型结果, 并采取不同的窗口期进行稳健性检验. 以上海期货交易所的黄金连续(AU0)期货合约为研究对象, 实证研究表明: 结合马尔科夫状态转换机制, 跳跃波动在上涨行情时会抑制未来波动性; 结合马尔科夫状态转换机制, 好坏波动率在上涨行情时正负冲击相对平衡, 而在下跌行情时好(坏)波动率抑制(加剧)未来波动性; MCS检验证实, 结合马尔科夫状态转换的MRS-HAR 族模型相比于HAR 族模型具有更优的预测精度, 进一步考虑由ADS 检测修正的好坏波动率和符号跳跃能够改善波动率模型的预测能力, 其中基于符号跳跃和马尔科夫状态转换的MRS-HAR-RV-SJ 模型展现了最高的预测精度.

分享此文:

()

[1]	白娟娟, 师荣蓉. 基于广义已实现测度的中国股市波动预测与 VaR度量[J]. 系统科学与数学, 2021, 41(3): 653-666.
[2]	孙会霞，倪宣明，钱龙，赵慧敏. 基于长期CVaR约束的高频投资组合优化[J]. 系统科学与数学, 2021, 41(2): 344-360.
[3]	郭文旌. 基于损失规避行为的最优保险投资与再保策略选择[J]. 系统科学与数学, 2018, 38(9): 1005-1017.
[4]	邢文婷，吴胜利. 天然气价格跳跃下的期货定价动态模型及实证研究[J]. 系统科学与数学, 2017, 37(9): 1988-1998.
[5]	朱莉,刘向丽. 高频股指期现货市场波动跳跃及跳跃溢出检验[J]. 系统科学与数学, 2017, 37(6): 1509-1523.
[6]	贺志芳，杨鑫，龚旭，文凤华. 股指期货市场波动率的预测研究[J]. 系统科学与数学, 2016, 36(8): 1160-1174.
[7]	唐勇，黄志刚. 多分形视角下的金融市场波动建模研究[J]. 系统科学与数学, 2015, 35(6): 667-684.
[8]	赵涤非，唐勇. 基于高频数据视角的上证综指跳跃原因分析[J]. 系统科学与数学, 2015, 35(1): 85-98.
[9]	覃邑龙，胡小军. 资本市场跳跃检测理论框架的构建及其实证研究[J]. 系统科学与数学, 2013, 33(5): 511-527.
[10]	李亚峰;康宇;赵平;王俊. 一类奇异跳跃系统的鲁棒稳定性研究[J]. 系统科学与数学, 2011, 31(4): 389-401.
[11]	赵 平;康 宇. 一类二维Markov跳跃非线性时滞系统的镇定控制 [J]. 系统科学与数学, 2007, 27(3): 451-463.

-->

PDF全文下载地址:

http://sysmath.com/jweb_xtkxysx/CN/article/downloadArticleFile.do?attachType=PDF&id=13835