论文部分内容阅读
对于金融市场波动率的研究已有很长时间的历史,针对宏观经济变量与股市波动率的关系的研究也已有了不少,但以行业指数及个股作为研究对象的已实现波动率建模还较少,由于收益率和波动率在金融市场中占据着重要的地位,对股票市场波动率的研究有助于金融市场的健康、平稳发展,且同一行业内的公司会具有某种共性,将公司按照行业进行归类后更便于投资者发掘同一行业下的投资机会,投资者在进行股票交易时也多以个股的操作为主,因而本文正是通过选取行业指数一上证工业指数及其成分股的5分钟高频数据,计算其已实现波动率,并且进一步分离出连续波动和跳跃波动,然后分析行业指数与其成分股的波动性特征；同时,选择与工业行业最为相关的且较为常用的宏观经济变量,对其进行标准化处理并进行主成分提取,并将所提取出的主成分引入到已实现波动率模型—HAR-RV-CJ模型中,得到了HAR-RV-CJ-MEV模型,进而对HAR-RV-CJ以及HAR-RV-CJ-MEV这两种模型的样本内拟合及样本外预测能力进行比较与分析。结果表明,在实证期间内,行业指数的跳跃天数远远小于其成分股的平均跳跃天数；并且针对行业指数的HAR-RV-CJ-MEV模型的拟合效果在短期(h=1)、中期(h=5)和长期(h=22)整体上要好于HAR-RV-CJ模型,且长期已实现波动率模型的改善效果最好,证实了宏观经济对工业指数已实现波动率具有较为长期的显著性影响。由于受到个体信息的差异影响,针对每只成分股,引入宏观经济变量后的HAR-RV-CJ-MEV模型改善情况不一。针对这一特点,当基于HAR-RV-CJ-MEV模型引入交易量时,形成的HAR-RV-CJ-MEV-V模型的样本内拟合能力得到了改善,且交易量数据对已实现波动率的影响较为显著,这一结果证实了股票市场的量价关系理论,即价格的变动主要是由交易量所代表的市场信息不断到达市场及新信息被结合到市场价格中去所产生的。最后,针对行业指数及个股,利用滚动时间窗进行样本外预测,并通过SPA检验法将原有HAR-RV-CJ模型、引入交易量的HAR-RV-CJ-V模型、引入宏观经济变量的HAR-RV-CJ-MEV模型以及HAR-RV-CJ-MEV-V模型进行综合预测性能评价分析,结果表明,对于行业指数,HAR-RV-CJ-MEV模型为四种模型中最好的预测模型；而对于20只成分股,四种模型的预测性能各不相同,宏观经济变量在提升一部分成分股已实现波动率预测性能方面起到了积极的作用,而成分股受到公司自身信息影响,仅对其引入交易量的已实现波动率模型在一些情况下是较好的选择。