考虑跳跃和隔夜波动的中国股票市场波动率建模与预测
本文用已实现波动率(Realized Volatility,RV)度量上证综指和深证成指在交易时间内的波动率,并将其分解为连续路径变差部分和由跳跃引起的非连续部分.这两部分与隔夜波动率共同构成日波动率.本文对日波动率的三个组成部分建立HAR-CJN模型,探究了波动率不同成分之间的相互影响以及在预测中的作用.结果表明连续变差对日波动率的各组成部分均有显著的正向影响,在预测中的贡献最大;而跳变差的影响一般比连续变差的要弱,且随着滞后期的长短而有所不同.样本外预测结果显示HAR-CJN模型的预测表现要远远优于GARCH族模型,并在向前一天和一月的预测中优于普通的HAR-RV模型.
已实现波动率、跳跃、隔夜波动率、预测
22
F830(金融、银行)
2014-07-30(万方平台首次上网日期,不代表论文的发表时间)
114-124