資源描述：
《金融市場(chǎng)已實(shí)現(xiàn)波動(dòng)率預(yù)測(cè)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、浙江工商大學(xué)碩士論文金融市場(chǎng)已實(shí)現(xiàn)波動(dòng)率預(yù)測(cè)研究摘要波動(dòng)率是金融風(fēng)險(xiǎn)管理、衍生品定價(jià)、以及投資組合構(gòu)建等領(lǐng)域的關(guān)鍵變量，對(duì)波動(dòng)率的準(zhǔn)確預(yù)測(cè)一直是現(xiàn)代金融學(xué)研究的熱點(diǎn)問(wèn)題。如何準(zhǔn)確預(yù)測(cè)波動(dòng)率，對(duì)投資者管理資產(chǎn)風(fēng)險(xiǎn)及監(jiān)管者控制市場(chǎng)風(fēng)險(xiǎn)、保證市場(chǎng)穩(wěn)定均具有重大的理論和現(xiàn)實(shí)意義。大量國(guó)內(nèi)外研究文獻(xiàn)表明，基于高頻數(shù)據(jù)的已實(shí)現(xiàn)波動(dòng)率理論模型在測(cè)度和預(yù)測(cè)市場(chǎng)波動(dòng)率領(lǐng)域相較于傳統(tǒng)波動(dòng)率模型(如GARCH族模型)具有顯著的優(yōu)勢(shì)。本文基于Andrew和Vitally(2011)的時(shí)變概率密度函數(shù)理論提出一個(gè)己實(shí)現(xiàn)波動(dòng)率的非參數(shù)預(yù)測(cè)模型一一TvF模型，并與Corsi(2004)提出的HAR-RV
2、模型進(jìn)行比較分析。再者，為綜合吸收非參數(shù)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(yù)測(cè)方法，首創(chuàng)性地構(gòu)造了一種自適應(yīng)時(shí)變組合權(quán)重，并以此構(gòu)建自適應(yīng)組合預(yù)測(cè)模型，以期獲得比經(jīng)典的算術(shù)平均組合預(yù)測(cè)模型更高的預(yù)測(cè)精度。本文以滬深300股指期貨的5分鐘高頻價(jià)格數(shù)據(jù)作為實(shí)證研究樣本，計(jì)算出樣本內(nèi)已實(shí)現(xiàn)波動(dòng)率值，并以HAR-RV模型、TVF模型、算術(shù)平均組合預(yù)測(cè)模型和白適應(yīng)組合預(yù)測(cè)模型對(duì)其建模，預(yù)測(cè)T浙江_[商大學(xué)碩士論文樣本外已實(shí)現(xiàn)波動(dòng)率，同時(shí)引入基于低頻數(shù)據(jù)的GARCH模型和FIGARCH模型作為對(duì)比。為綜合評(píng)價(jià)各波動(dòng)率模型的預(yù)測(cè)能力，本文采用滾動(dòng)時(shí)間窗口策略來(lái)進(jìn)行
3、樣本外預(yù)測(cè)，并基于損失函數(shù)法、SPA檢驗(yàn)法和Mincer-Zarnowitz回歸法構(gòu)造模型預(yù)測(cè)能力的評(píng)價(jià)體系，從而使評(píng)價(jià)結(jié)論穩(wěn)健可靠。實(shí)證結(jié)果表明：HAR-RV模型、T、，F(xiàn)模型、算術(shù)平均組合預(yù)測(cè)模型和自適應(yīng)組合預(yù)測(cè)模型這四種已實(shí)現(xiàn)波動(dòng)率模型對(duì)市場(chǎng)真實(shí)波動(dòng)率的預(yù)測(cè)能力要顯著高于GARCH模型和FIGARCH模型；非參數(shù)的TVF模型的預(yù)測(cè)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(gòu)造兩種組合預(yù)測(cè)模型，其中，算術(shù)平均組合預(yù)測(cè)模型的預(yù)測(cè)能力只顯著高于HAR-RV模型，但相較于，r、陌模型其預(yù)測(cè)能力并沒(méi)有明顯的提高，而自適應(yīng)組合預(yù)測(cè)模型的預(yù)測(cè)能力要顯
4、著高于任一單一模型。關(guān)鍵詞：己實(shí)現(xiàn)波動(dòng)率；時(shí)變概率密度函數(shù)；自適應(yīng)時(shí)變權(quán)重；組合預(yù)測(cè)；浙江工商大學(xué)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(xué)碩士論文model，thispaperoriginallyconstructanadaptivetime—varingweightmechanismforcombinationforecast，thuswecangetahigherpredictionacc
