基于异质市场假说的波动率指数预测及其应用研究

This item designs forecasting models for future realized volatility, volatility index and vol of vol based on the volatility indices in the frame work of heterogeneous market hypothesis and with the consideration of both low and high frequency data. The major contents and contributions of this item are five folds: 1) this item proposes systematic framework to measure the heterogeneous characteristics of volatility index and analyzes the micro-structure of volatility index comprehensively; 2) this item analyzes volatility index with the macroeconomic and policy factors of volatility, decomposes jump component and continuous component of volatility index, and analyzes the dynamic correlation of different volatility indices, to establish and design forecasting models; 3) this item also studies the application of volatility index forecasting in derivative pricing and risk management empirically. The significance of this item includes: 1) this item models and forecasts volatility index based on heterogeneous market hypothesis, in order to improve predictive accuracy and extend the applications of heterogeneous market hypothesis theory; 2) this item proposes application system of volatility index forecasting which can enrich and develop the methodology of risk management and derivatives pricing.

本项目在异质市场假说理论的框架下，综合运用低频和高频数据，以波动率指数自身预测和波动率的波动率预测为主，以波动率指数对未来已实现波动率的预测为辅，构建波动率指数的预测体系。主要研究内容包括：1）提出系统的波动率指数异质特性检测框架，为波动率指数异质特性的形成机制提供理论解释；2）分析市场波动行为与宏观经济指标及政策因素的关系，对波动率指数进行稳定因素和不稳定因素的分解，分析波动率指数多市场间的联动效应，构建多因素、联动作用影响下的预测模型提高波动率指数对未来市场波动行为的预测精度；3）以预测结果为基础，开发衍生品定价和风险管理应用技术体系，提高风险测度与衍生品定价的准确性。本项目的研究意义在于：1）在异质市场假说下利用波动率指数对未来市场波动行为进行预测，丰富与发展预测理论与技术；2）构建基于波动率指数预测的实际应用体系，提出风险管理与相关衍生品定价的新思路，为相关部门提供决策支持。

原油，汇率，航运运价指数受到宏观经济的影响以及短期市场交易行为的影响，呈现不规则的波动性，而这些数据对相关行业甚至经济有着举足轻重的影响。因此研究这些经济数据的波动特征，并对其进行预测是重要的学术课题。本项目基于异质市场理论，运用灰色波形预测，变分模态分解，经验模态分解等技术构建了新的分析与预测方法。本课题目前的核心成果主要体现在以下三方面：.（1）针对原油价格的运动特点，提出利用灰色波动预测方法来捕捉波动的周期性（周或月）特征并进行预测，引入随机游动/ARMA对每天的随机运动进行建模。.（2）用熵理论结合变分模式分解从多尺度的角度对汇率进行分析和建模。在建模和预测方面，VMD模型提供了汇率变动影响因素的多尺度近似，并假设这些影响因素在不同尺度上产生影响。而MSE-EE（Mean Square Error-Error Entropy）度量用来识别分解多尺度域中的瞬态数据分量和多尺度模型形式。.（3）使用排列熵计算每个本征模态函数（IMF）的复杂度，同时计算每个IMF的平均值，将经验模态分解得到的IMF进行重组，从而有效地捕捉数据动态中隐含的有意义因素。在预测过程中，采用ARMA预测包含随机波动的短期时间尺度。利用灰色波动预测法对中长期时间尺度进行预测。