沪深300波动率预测模型研究:基于中国股票和期货市场高频数据分析

摘要

金融资产波动率的预测对于投资组合选择、资产风险管理以及衍生品定价具有重要的理论和实践意义.以沪深300指数和股指期货5分钟高频数据为例,本文构建了8种不同的ARFIMA-GARCH-Distribution模型以解决长记忆时间序列模型中潜在的条件异方差和非正态分布的影响.同时采用滚动时间窗的样本外预测技术和模型信度检验(MCS)对各模型的预测精度进行评估.实证结果显示:(1)相对于基于期贷数据构建的预测模型,基于现货数据构建的模型具有更高的预测精度;(2)不论是在长记忆模型还是短记忆模型中,基于现货数据构建的且同时对波动率的微观结构噪声和季节效应进行调整的波动率预测模型LnRV-AR (FI)MA-gjrGARCH-snorm具有最好的预测效果.