資源描述：
《金融市場已實現(xiàn)波動率預測研究》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、浙江工商大學碩士論文金融市場已實現(xiàn)波動率預測研究摘要波動率是金融風險管理、衍生品定價、以及投資組合構建等領域的關鍵變量，對波動率的準確預測一直是現(xiàn)代金融學研究的熱點問題。如何準確預測波動率，對投資者管理資產風險及監(jiān)管者控制市場風險、保證市場穩(wěn)定均具有重大的理論和現(xiàn)實意義。大量國內外研究文獻表明，基于高頻數據的已實現(xiàn)波動率理論模型在測度和預測市場波動率領域相較于傳統(tǒng)波動率模型(如GARCH族模型)具有顯著的優(yōu)勢。本文基于Andrew和Vitally(2011)的時變概率密度函數理論提出一個己實現(xiàn)波動率的非參數預測模型一一TvF模型，并與Corsi(2004)提出的HAR-RV
2、模型進行比較分析。再者，為綜合吸收非參數的n腰模型和線性的HAR-RV模型的各自特征，本文考慮組合預測方法，首創(chuàng)性地構造了一種自適應時變組合權重，并以此構建自適應組合預測模型，以期獲得比經典的算術平均組合預測模型更高的預測精度。本文以滬深300股指期貨的5分鐘高頻價格數據作為實證研究樣本，計算出樣本內已實現(xiàn)波動率值，并以HAR-RV模型、TVF模型、算術平均組合預測模型和白適應組合預測模型對其建模，預測T浙江_[商大學碩士論文樣本外已實現(xiàn)波動率，同時引入基于低頻數據的GARCH模型和FIGARCH模型作為對比。為綜合評價各波動率模型的預測能力，本文采用滾動時間窗口策略來進行
3、樣本外預測，并基于損失函數法、SPA檢驗法和Mincer-Zarnowitz回歸法構造模型預測能力的評價體系，從而使評價結論穩(wěn)健可靠。實證結果表明：HAR-RV模型、T、，F(xiàn)模型、算術平均組合預測模型和自適應組合預測模型這四種已實現(xiàn)波動率模型對市場真實波動率的預測能力要顯著高于GARCH模型和FIGARCH模型；非參數的TVF模型的預測能力顯著高于HAR-RV模型：以HAR-RV模型和’rVF模型作為單一模型構造兩種組合預測模型，其中，算術平均組合預測模型的預測能力只顯著高于HAR-RV模型，但相較于，r、陌模型其預測能力并沒有明顯的提高，而自適應組合預測模型的預測能力要顯
4、著高于任一單一模型。關鍵詞：己實現(xiàn)波動率；時變概率密度函數；自適應時變權重；組合預測；浙江工商大學碩士論文FoRECASTINGREALIZEDVoLATILITYINFINANCIALMARKETABSTRACTAsthecriticalvariablesoffinancialriskmanagement，derivativespricing，portfolioconstructionandSOon，howtoforecastvolatilityaccuratelyhasbeenahotissuesinmodemfinanceresearchfield．Forecasti
5、ngthevolatilityaccuratelyhasagreattheoreticalandpracticalsignificanceonmanagingassetriskforinvestorsandmonitoringmarketriskforregulators．AsaconsiderableamountofresearchIKeraturedocumented，therealizedvolatilitymodelbasedonhigh—frequencydatahasasignificantadvantagethantraditionalvolatilitysu
6、chasGARCHfamilymodelinmeasuringandforecastingthetruemarketvolatility．Inthispaper,weproposedanewnonparametricrealizedvolatilityforecastingmodel，thatisTVFmodel，whichisbasedonapplyingandextendingthetime-varyingprobabilitydensityfunctiontheoryproposedbyAndrewandVitaliy(2011)，andcomparingitwith
7、theHAR-RVmodelproposedbyCorsi(2004)．FortheintegratedabsorbingofcharacteristicsofthenonparametricTVFmodelandthelinearHAR-RVIII浙江工商大學碩士論文model，thispaperoriginallyconstructanadaptivetime—varingweightmechanismforcombinationforecast，thuswecangetahigherpredictionacc
