混合正態雙因子已實現SV模型及其實證研究

作者：吳鑫育,李心丹,馬超群

摘要：傳統的波動率模型(如GARCH模型和SV模型)采用日度收益率數據對波動率建模,忽略了日內高頻數據包含的豐富信息。同時,資產收益率的波動率往往展現長記憶性,資產收益率的分布展現非正態性(尖峰、厚尾),傳統的波動率模型不能很好地刻畫現實資產收益率的這些特征。將包含豐富日內高頻信息的已實現波動率引入傳統低頻SV模型中,同時考慮已實現波動率偏差修正、波動率長記憶性和資產收益率的非正態性(尖峰、厚尾),構建混合正態雙因子已實現SV(2FRSV-MN)模型。為了估計2FRSV-MN模型的參數,給出靈活且易于實現的基于連續粒子濾波的極大似然估計方法。蒙特卡羅模擬實驗表明,給出的估計方法是有效的。采用上證綜合指數和深證成分指數5分鐘高頻交易數據,對提出的2FRSV-MN模型進行實證檢驗。研究結果表明,已實現波動率是真實日度波動率的有偏估計(下偏),滬深股市非交易時間效應強于微觀結構噪聲效應;滬深股市具有強的波動率持續性和顯著的杠桿效應,且杠桿效應只存在于短記憶波動率因子過程中,長記憶波動率因子過程中存在反向杠桿效應;根據赤池信息準則,2FRSV-MN模型比其他模型具有更好的數據擬合效果。對風險值的估計結果表明,2FRSV-MN模型能較好地測量金融市場風險,但并非一定是具有最好的風險測量效果的模型,這取決于選取的概率和數據。研究結果不僅為投資者和監管機構提供了信息和決策參考,也豐富了基于高頻數據的波動率建模和市場風險測量的研究。

發文機構：安徽財經大學金融學院 南京大學工程管理學院 湖南大學工商管理學院

關鍵詞：已實現SV模型混合正態杠桿效應長記憶連續粒子濾波realized SV modelmixture of normalsleverage effectlong memorycontinuous particle filters

分類號： F830.9[經濟管理—金融學]