基于自适应权重的混频GARCH模型及其应用

摘要

本文通过引入一类自适应权重函数,提出了一种新的数据融合方法,来提炼高频数据中的信息,并将所得信息与低频数据结合在一起,构建了一种能充分利用混频交易信息的波动模型:混频GARCH模型.针对模型参数估计问题,本文给出了参数的估计方法,分析了估计量的理论性质,得到了相应的中心极限定理并用模拟数据检验了估计量的数据表现.文中模型有如下优势:首先,与传统融合数据方法依据数据的先后顺序分配权重不同,新权函数的自变量能描述高频交易的特征,这使得基于新权函数的数据融合方法将按照交易特征来分配权重,该分配方式能依据交易特征的变化自动调整不同交易日内权重的分配,从而让每个高频交易所分配的权重与其产生的冲击效果相一致,因此新模型利用高频数据的方式更恰当;其次,新建的模型能利用同一交易过程中多种高频数据,其数据利用程度更加充分.这些优势使得混频GARCH模型具有更好的预测表现,实证结果也证明了这一点.将多种模型同时用于预测实际数据的波动率,结果表明,混频GARCH模型能更加准确又稳健地预测出波动率.新模型的提出,扩充了利用混频数据分析波动率及其相关问题的方法.