基于模型组合的上证指数波动率预测

摘要

金融市场的波动率问题对于研究资产定价、风险对冲和组合管理等具有重要的意义。本文探讨了几种不同的金融资产波动率的计算方法，选取已实现波动率作为研究对象，使用上证指数5分钟交易数据计算已实现波动率。利用模型组合方法来提高对上证指数已实现波动率的预测精度。对于线性模型组合，有多种方法可以确定每一个模型的权重，本文采用最优化方法和贝叶斯模型平均方法两种权重确定方法。首先计算每一个模型的预测概率密度函数，然后用评分函数作为概率密度预测的评价标准来选择模型组合。　　利用GJRGARCH(1，2)模型生成模拟数据，对该模拟数据利用两种模型组合方法进行模拟分析，组合模型选取GARCH、EGARCH、GJRGARCH。计算出各模型在组合中的权重。将各单个模型逐个从组合中剔除后计算对数评分值，从而得到各模型对模型组合的提升值。评分值相同的模型其提升值有很大的差别。最优化方法模型组合为GJRGARCH(1，1)和GJRGARCH(1，2)模型分配的权重近似，但是贝叶斯模型平均方法中GJRGARCH(1，2)的权重为1。这说明如果组合中存在数据生成过程，贝叶斯模型平均方法能够更好地识别出数据生成过程。　　选取上证指数2012年5分钟数据进行实证分析，一共分为4个阶段。对比第一阶段和第二阶段，EGARCH的权重高于GARCH模型。对比第二阶段和第三阶段，EGARCH模型权重高于GARCH模型、GJRGARCH。对比第三阶段和第四阶段，最优化模型组合方法可以组合评分值较低的模型来获得更高的组合评分值。通过对比两类模型的对数评分值，发现贝叶斯模型平均方法和最优化方法都能够提高时间序列模型的单步预测准确度。最优化方法的预测精度要好于贝叶斯模型平均方法。评分值接近的模型的提升值会有很大差异。

目录

声明

摘要

1．绪论

1．1研究背景

1．2文献综述

1．3本文的研究安排

2．1波动率介绍

2．2已实现波动率计算方法

2．3上证指数已实现波动率的描述性统计

2．3．1波动率积聚性

2．3．2分位数、偏度和峰度

2．3．3分布性质

2．3．4正态性检验

2．3．5自相关函数

2．3．6单位根检验

2．3．7上证指数已实现波动率的特点分析

3．预测概率密度

4．模型评价

5．1线性模型组合

5．2最优化方法模型组合

5．3最优化模型组合的性质

5．4贝叶斯模型组合

6．条件异方差模型

6．1 ARCH模型

6．1．1 ARCH模型的提出和性质

6．1．2 ARCH模型的意义

6．2．1 GARCH模型

6．2．2 GARCH模型的性质

6．3 EGARCH模型

6．4 GJRGARCH模型

7．模拟分析

8．1建立实证模型

8．2预测效果

8．3模型组合方法的特点

8．4最优化方法模型组合的特点

参考文献

附录

致谢