基于高频数据的金融波动率建模研究

As the quantification of the financial instrument's risk, volatility is of major importance for financial activities such as investment and risk management. The availability of financial high frequency data enables us to construct nonparametric "realized measures", which transfers volatility from hidden to observable variable that could be directly analyzed and modeled, as well as makes it possible to separate continuous-time volatility from jump volatility for further analysis. Thus financial volatility modeling using high frequency data is currently the main stream of volatility research. Using intraday high frequency trade and quote data of China's securities and index futures markets, this project improves the current high frequency volatility modeling research from three aspects: the construction of "realized measures", the choice of exogenous variables, and the design of model structure. More specifically, we improve the data fitting and forecasting capability of high frequency volatility models through reasonably separating daily jump volatility into jumps of different sizes, effectively detecting intraday jumps, appropriately bringing in exogenous variables such as "overnight returns" and macroeconomic variables, incorporating non-linear structures, optimizing the time-scale structure of HAR models, etc. This project provides effective tools for investors' asset allocation and risk management, and is also of practical importance for China's policy makers and financial regulators.

波动率是现代金融理论中对资产风险的主要度量，它对投资决策与风险管理等金融活动具有重要意义。高频数据的日益可得使我们可以构建"已实现估计量"，将波动率由隐变量转变为可观测的显变量，直接分析、建模；并使得对连续性波动与跳跃性波动的进一步区分成为可能，因此基于高频数据的金融波动率建模研究已成为波动率研究领域的热点。本项目选取我国证券、期货市场的日内高频数据，在现有研究基础上，分别从"已实现估计量"的构建、波动率模型外生变量的选择、波动率模型结构的设计三方面改进创新。通过将每日跳跃性波动进一步合理划分为不同规模的跳跃，有效检测日内多次跳跃，合理纳入"隔夜收益"、宏观经济变量等外生变量，合理引入非线性结构，优化HAR类模型时间尺度结构等方法，改进波动率模型的数据刻画能力与预测性能。本项目将为我国投资者的资产配置与风险管理等金融活动提供有效基础工具，对于政策制度制定者及金融监管当局也具有重大实际意义。

本项目选取我国证券、期货市场的日内高频数据，在现有研究基础上，分别从“已实现估计量”的构建、波动率模型外生变量的选择、波动率模型结构的设计三方面改进创新，并具体分为九点展开，以期提高对波动率的拟合与预测能力。. 在“已实现估计量”的构建方面，提出区分大、小跳跃的HAR-RV-CJ-BS模型，并通过最大化估计窗内拟合优度来选取阈值区分大、小跳跃，显著提高了对沪深300指数短期、中期、长期波动的预测能力。提出基于日内高频收益波动L型折线模式的可变阈值日内跳跃识别方法，据此区分连续性波动与跳跃并运用于塑料期货已实现波动的HAR-RV-CJ模型时，可以显著提高对短期、中期波动的拟合及预测能力。. 在波动率模型外生变量的选择方面，结合对波动率模型结构的设计，提出以过去1日和过去1月对数收益率为状态变量，采用logistic函数刻画状态间转移，将HAR类模型发展为非线性模型，提升了对沪深300指数波动的拟合及预测能力。进一步的，提出以Beta函数加权的过去对数收益率线性组合作为logistic函数的转移变量，显著提高了对电力价格波动的预测能力。. 在波动率模型结构的设计方面，还提出以自适应的时间尺度结构代替常用(1,5,22)结构的AHAR类模型，并设计了优化AHAR类模型时间尺度结构的遗传算法。基于沪深300指数的实证发现我国股市的异质性结构随时间而变化，(1,5,22)结构并非最优选择，且AHAR类模型的预测能力显著超越相应HAR类模型。. 此外，项目组还在HAR类模型与低频GARCH类模型的比较、波动预测的应用及经济意义评价等方面进行了研究，以提高研究的实务价值。. 本项目三年来共发表（录用）SCI论文2篇、SSCI论文3篇、EI论文1篇，国内CSSCI论文6篇。参加国际学术会议报告1次，全国性会议报告4次（获“优秀论文奖”1次）。培养硕士11名，部分毕业后在证券、期货公司工作，已开始将相关方法应用于投资与风险管理实务。