中国股市多分形波动率建模及预测研究
Multifractal volatility forecast of Chinese stock market
查看参考文献43篇
|
文摘
|
本文考虑股市高频数据的日内效应和已实现波动率的测量误差修正了现有多分形波动率指标的构建方法,以HAR模型为基础构建新的多分形波动率预测模型.利用Diebold-Mariano检验和“模型信度设定”检验等方法综合评价了各种模型对我国沪深300股指的预测能力.结果表明:1)在相同模型范式下,赋权调整已实现波动率的样本外预测能力要优于已实现波动率,而本文提出的新的多分形波动率模型要显著优于其他模型;2)在相同波动率测度指标下,引入股价波动的跳跃成分和杠杆效应能进一步改善波动率模型的短期预测效果;3)最优和次优模型均是基于新多分形波动率方法构建的模型. |
|
其他语种文摘
|
In this paper, we propose a modified multifractal volatility measure and construct multifractal volatility models based on HAR-type models including jumps and leverage effect. We apply Diebold-Mariano test and model confidence set test to compare the empirical performance of these models. The empirical results show that, 1) Based on the same paradigm, weighted adjusted realized volatility is better than realized volatility and our new multifractal volatility outperforms the other methods. 2) Based on the same volatility method, these models perform better when including jumps and leverage effect. 3) By the comparison among models, LHAR-MVWA-CJ model and LHAR-MVWA model outperform the other models. |
|
来源
|
系统工程理论与实践
,2020,40(9):2269-2281 【核心库】
|
|
DOI
|
10.12011/1000-6788-2019-1379-13
|
|
关键词
|
多分形波动率
;
HAR模型
;
跳跃
;
杠杆效应
|
|
地址
|
东北大学工商管理学院, 沈阳, 110169
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1000-6788 |
|
学科
|
社会科学总论 |
|
基金
|
国家社会科学基金
|
|
文献收藏号
|
CSCD:6800532
|
参考文献 共
43
共3页
|
|
1.
Andersen T G. Answering the skeptics: Yes, standard volatility models do provide accurate forecasts.
International Economic Review,1998,39(4):885-905
|
CSCD被引
116
次
|
|
|
|
|
2.
Andersen T G. Modeling and forecasting realized volatility.
Econometrica,2003,71(2):579-625
|
CSCD被引
101
次
|
|
|
|
|
3.
Christensen K. Realized range-based estimation of integrated variance.
Journal of Econometrics,2007,141(2):323-349
|
CSCD被引
16
次
|
|
|
|
|
4.
Barndorff-Nielsen O E. Econometrics of testing for jumps in financial economics using bipower variation.
Journal of Financial Econometrics,2006,4(1):1-30
|
CSCD被引
112
次
|
|
|
|
|
5.
马锋. 基于符号收益和跳跃变差的高频波动率模型.
管理科学学报,2017,20(10):31-43
|
CSCD被引
16
次
|
|
|
|
|
6.
张传海. 基于门限预平均已调整多次幂变差的可积波动估计及其应用.
系统工程理论与实践,2019,39(4):946-969
|
CSCD被引
6
次
|
|
|
|
|
7.
宋亚琼. 基于动态估计误差的中国股市波动率建模与预测.
中国管理科学,2017,25(9):19-27
|
CSCD被引
3
次
|
|
|
|
|
8.
李俊儒. 基于波动率测量误差的波动率预测模型.
系统工程理论与实践,2018,38(8):1905-1918
|
CSCD被引
9
次
|
|
|
|
|
9.
王江涛. 高频数据波动率非参数估计及窗宽选择.
系统工程理论与实践,2018,38(10):2491-2500
|
CSCD被引
4
次
|
|
|
|
|
10.
Sun X. Predictability of multifractal analysis of Hang Seng stock index in Hong Kong.
Physica A: Statistical Mechanics and its Applications,2001,301(1):473-482
|
CSCD被引
19
次
|
|
|
|
|
11.
Wei Y. Forecasting volatility of SSEC in Chinese stock market using multifractal analysis.
Physica A: Statistical Mechanics and its Applications,2008,387(7):1585-1592
|
CSCD被引
12
次
|
|
|
|
|
12.
王鹏. 中国股票市场的多分形波动率测度及其有效性研究.
中国管理科学,2008,16(6):9-15
|
CSCD被引
2
次
|
|
|
|
|
13.
Chen H. Forecasting volatility in Shanghai and Shenzhen markets based on multifractal analysis.
Physica A: Statistical Mechanics and its Applications,2011,390(16):2926-2935
|
CSCD被引
5
次
|
|
|
|
|
14.
唐勇. 多分形视角下的金融市场波动建模研究.
系统科学与数学,2015,35(6):667-684
|
CSCD被引
7
次
|
|
|
|
|
15.
魏宇. 多分形波动率预测模型及其MCS检验.
管理科学学报,2015,18(8):61-72
|
CSCD被引
15
次
|
|
|
|
|
16.
Hansen P R. A forecast comparison of volatility models: Does anything beat a GARCH(1,1)?.
Journal of Applied Econometrics,2005,20(7):873-889
|
CSCD被引
53
次
|
|
|
|
|
17.
Corsi F. A simple approximate long-memory model of realized volatility.
Journal of Financial Econometrics,2009,7(2):174-196
|
CSCD被引
78
次
|
|
|
|
|
18.
吴奔. 不规则时间序列波动率建模:高频与低频的统一.
系统工程理论与实践,2019,39(1):36-48
|
CSCD被引
6
次
|
|
|
|
|
19.
唐勇. 中国股票市场最优套期保值比率研究——基于高阶矩HAR模型.
系统科学与数学,2018,38(9):1036-1054
|
CSCD被引
7
次
|
|
|
|
|
20.
罗嘉雯. 基于TVS-MHAR模型金融市场高频多元波动率的预测.
系统工程理论与实践,2018,38(7):1677-1689
|
CSCD被引
11
次
|
|
|
|
|
了解气象卫星更多信息，请访问