国际股市高频波动信息与我国股市波动率预测研究

摘要

金融全球化已经成为世界金融系统发展的一个重要趋势，在金融市场加速融合的背景下，国家或地区之间的金融市场相互渗透、相互影响的趋势日益明显。这种影响不仅表现在资产收益方面，而且反映在资产波动率方面，即某一金融市场的波动不仅受本身以前波动的影响，而且会受到其他金融市场波动的影响，人们将这一现象称为“波动溢出效应”。　　随着我国经济在世界经济地位的快速提高，特别是近20年来我国在资本市场领域进行一系列的改革和转型开放措施，使我国股市逐步融入全球股票市场，与其它股市的联系日益加强，这意味着国际金融市场对我国金融市场的影响加剧、受国际市场波动信息影响更为广泛、波动传导作用更加迅速。风险监管者和国际投资者在预测中国股市时，通常会参考国际股票市场做出决策和进行交易，因此，需要树立全球股市的总体观念，探索更合适的方法，分析国际股市对我国股市影响的特征，更好地对全球股市信息进行研究，以帮助管理者和投资者预测中国股市波动。测度国际金融市场对中国金融市场的影响和预测能力，有利于面对国际市场风险时做出及时、准确的防范措施，对维护我国金融市场安全稳定具有重要的前瞻性意义。尽管国内外已有许多学者对金融市场波动性进行了研究，但迄今为止，如何准确、充分地利用国际股市波动信息提高我国股市波动率预测精度，仍然有很多明显的方法缺陷亟待解决和完善。本文首先从国际市场高频波动视角出发，采用主成分分析方法对跨国(地区)股票市场波动率提取国际波动率指数，整合国际股市波动信息来预测我国股市波动率。其次，根据金融市场波动的机制转换和时变特征，在加入国际股市高频波动信息HAR-RV-X模型的基础上，进一步引入马尔可夫机制转换，深入探讨国际股市对我国股市的影响特征。进一步，为了更有效地利用这些国际市场波动信息预测我国股市波动率。我们考虑国际股市波动信息相互传递和时变的整体性，率先将高维TVPVAR方法应用于我国股市价格波动的预测分析中，考虑国际股市波动参数时变的条件下，对各国际股市波动信息动态地分配权重，计算各个不同变量模型的权重概率，并采用加权平均方法预测我国股市波动率。最后，在前面三章实证方法为基础，我们将波动率预测视为投资组合优化的关键决定因素，从投资组合和风险管理视角探讨了不同波动率预测模型的经济价值，从而为我国金融监管当局制定和执行相关金融政策提供部分指导，也为投资者正确判断股市风险、选择合理的投资策略提供更加实际可行的依据。实证结果主要包括：　　(1)采用主成分分析法有利于在相互联系的全球股市波动中准确获得国际股市市场高频波动的共同信息。该指数对未来中国股市波动具有正向影响和统计显著性。更重要的是，加入国际股市波动率指数的HAR-RV扩展模型对我国股市波动的预测精度优于对比模型，包括HAR-RV、Kitchensink模型和五种组合方法。(2)通过分析国际股市波动信息在不同波动状态下对我国股市波动的影响特征，发现马尔可夫机制转换模型能更有效地捕捉和处理全球国际股市波动信息。统计检验表明，转移概率矩阵是显著的，高波动状态比低波动状态表现出明显更高的波动水平，与线性及时变参数的HAR-RV模型相比，MSHAR-RV-X模型能显著提高我国股市的点预测精度和方向预测精度。(3)高维TVPVAR方法能够很好地捕捉到国际股市之间潜在的溢出效应和时变特性，是利用国际股市刻画和预测我国股市波动方面更准确的新方法。(4)通过最大化投资者效用，考察了投资组合的表现。实证结果表明，首先，基于主成分分析的HAR-RV扩展模型与对比模型(包括HAR-RV、Kitchensink模型和五种组合方法)相比，能显著提高方向预测精度并产生了更高的经济价值。其次，与线性及时变参数的HAR-RV模型相比，MSHAR-RV-X模型能显著提高我国股市的方向预测精度，且在此基础上构成的投资组合策略能获得更大的组合收益。最后，高维TVPVAR新方法在投资组合的风险管理应用中无论是方向预测还是经济价值都获得了最理想的效果。

目录

声明

第1章绪论

1.1 研究背景

1.2 研究意义

1.3 国内外研究现状

1.3.1 已实现波动率的测度

1.3.2 己实现波动率计量模型

1.3.3 国际股市与我国股市波动率关系研究进展

1.3.4 现有研究存在的不足之处

1.4 论文的主要创新点

1.5 研究方法与可行性分析

1.6 结构安排和技术路线

第2章高频数据和波动率相关理论

2.1 高频金融数据及统计特征

2.1.1 高频数据介绍

2.1.2 高频金融数据的基本特征

2.2 高频波动率理论介绍

2.2.1 波动率的定义和分类

2.2.2 波动率的基本特征

2.3 高频数据波动率模型

2.4 本章小结

第3章国际股市波动预测中国股市波动率：基于国际波动率指数

3.1 引言

3.2 已实现波动率及HAR-RV模型介绍

3.3 组合预测、主成分分析方法介绍

3.3.1 组合预测方法

3.3.2 主成分分析方法

3.4 样本外滚动预测及评价方法

3.4.1 样本外滚动时间窗预测技术

3.4.2 预测评价方法

3.5 实证分析

3.5.1 数据介绍和描述性统计

3.5.2 样本内估计结果

3.5.3 样本外预测评价

3.5.4 稳健性检验

3.6 本章小结

第4章国际股市波动预测中国股市波动率：基于机制转换视角

4.1 引言

4.2 马尔科夫方法及扩展的高频波动率模型

4.2.1 马尔科夫方法介绍

4.2.2 马尔科夫机制转换的异质自回归模型介绍

4.3 预测检验方法

4.3.1 DM 检验

4.3.2变化方向检验

4.4 实证分析

4.4.1 实证数据

4.4.2 样本内估计结果

4.4.3 样本外预测评价

4.4.4 稳健性检验

4.5 本章小结

第5章 国际股市波动预测中国股市波动率：基于高维TVP VAR方法

5.1 引言

5.2 高维TVPVAR 模型介绍

5.3 检验方法介绍

5.4 实证分析

5.4.1 实证数据

5.4.2 各波动率模型预测评价

5.4.3 稳健性检验

5.5 各波动率预测模型的经济价值研究

5.5.1 效应函数介绍

5.5.2 实证结果分析

5.6 本章小结

第6章总结与展望

6.1 研究结论

6.2 政策建议

6.3 未来研究展望

致谢

参考文献

攻读博士学位期间发表的论文及参与的科研项目