论文部分内容阅读
研究波动率对金融资产的风险管理、套期保值和定价有着关键的作用,而随着计算机和数据储存技术的发展,使用高频数据进行波动率建模成为可能。本文以中国沪深300指数为研究对象,采用5分钟的高频数据建立Realized GARCH模型,对沪深300指数进行波动率拟合和风险测度。考虑不同的波动率估计量、收益率残差分布和非交易时段这三个因素对模型拟合波动率和测度风险的影响程度。其中波动率的估计量采用基于5分钟高频数据计算的已实现方差(Realized Variance,RV)和已实现极差(Realized Rang,RR),同时构建两个分别考虑隔夜收益和午餐收益因素的调整RV;收益率残差方面,假设其分别服从正太分布、学生t分布、和广义双曲线分布(generalized hyperbolic distribution,GH)和偏广义双曲线分布(Generalized Hyperbolic Skew Student Distribution,GHST);最后,比较当日收益率分别基于收盘价-收盘价和开盘价-收盘价计算的情况下,不同模型的表现情况。实证结果表明:在拟合波动率方面,当不考虑隔夜因素影响,且采用RR作为波动率估计量建立的残差项服从GH分布的Realized GARCH模型的拟合效果最好,且在这三个影响因素中,已实现收益率的变化对模型拟合效果的改进最为明显;在风险度量方面,不论是预测在险价值(Value at Risk,VaR)还是期望损失(Expected Shortfall,ES),已实现测度的选择对模型测量效果的影响并不大,当度量尾部的极端风险时,服从厚尾分布的模型往往有更突出的表现,此外,利用开盘价-收盘价数据计算日收率在拟合波动率方面的优势也延续到了风险测度领域。