資源描述：
《中國(guó)股票市場(chǎng)波動(dòng)率的高頻估計(jì)與特性分析》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、2003年第2期*中國(guó)股票市場(chǎng)波動(dòng)率的高頻估計(jì)與特性分析黃后川陳浪南(南方基金管理公司510200)(中山大學(xué)嶺南學(xué)院與中山大學(xué)經(jīng)濟(jì)所510275)內(nèi)容提要:本文旨在應(yīng)用高頻數(shù)據(jù)估計(jì)中國(guó)股市的已實(shí)現(xiàn)波動(dòng)率。我們發(fā)現(xiàn)股票指數(shù)與個(gè)股的高頻交易數(shù)據(jù)中的微觀摩擦影響正好相反,使用極高頻的數(shù)據(jù)會(huì)大大增加個(gè)股的波動(dòng)率估計(jì)值,相反卻會(huì)大大降低指數(shù)的波動(dòng)率估計(jì)值。在計(jì)算各種頻率的已實(shí)現(xiàn)波動(dòng)率的基礎(chǔ)上,本文構(gòu)造了一種較為精確的估計(jì)波動(dòng)率的方法,可以更好地平衡測(cè)量誤差與微觀結(jié)構(gòu)誤差?；谝褜?shí)現(xiàn)波動(dòng)率,本文研究了中國(guó)股市波動(dòng)率
2、不對(duì)稱性和長(zhǎng)期記憶特性。關(guān)鍵詞:波動(dòng)率高頻估計(jì)特征一、引言與先前該領(lǐng)域研究述評(píng)近二十年來,對(duì)波動(dòng)率模型的研究已成為金融經(jīng)濟(jì)學(xué)領(lǐng)域研究的重要內(nèi)容之一。自Engle于1982年提出ARCH模型以來,經(jīng)濟(jì)學(xué)界已經(jīng)發(fā)表了數(shù)千篇關(guān)于條件異方差或波動(dòng)率的論文。特別是最近十年,一些學(xué)者提出用高頻分時(shí)數(shù)據(jù)估計(jì)波動(dòng)率的方法,這種方法可以得到比較準(zhǔn)確的波動(dòng)率估計(jì)值,稱為已實(shí)現(xiàn)波動(dòng)率(RealizedVolatility)。以此為基礎(chǔ),眾多學(xué)者在波動(dòng)率的特性和預(yù)測(cè)兩方面進(jìn)行了更深入的研究,大大拓展了這個(gè)研究領(lǐng)域。Andersen
3、、Bollerslev、Diebold、Ebens(1998,2001)等金融經(jīng)濟(jì)學(xué)家對(duì)這種高頻估計(jì)方法以及已實(shí)現(xiàn)波動(dòng)率的特性與預(yù)測(cè)進(jìn)行了一系列研究,他們得出了如下幾個(gè)主要結(jié)論(計(jì)算的波動(dòng)率都是日波動(dòng)率):(1)如果價(jià)格遵循普通的擴(kuò)散過程,用此方法計(jì)算的已實(shí)現(xiàn)波動(dòng)率,是無偏的。而且,當(dāng)高頻數(shù)據(jù)的時(shí)間間隔趨近于0時(shí),已實(shí)現(xiàn)波動(dòng)率的測(cè)量誤差也趨于0。因此可以把已實(shí)現(xiàn)波動(dòng)率當(dāng)作一個(gè)觀測(cè)值,它沒有經(jīng)典算法所帶來的時(shí)間滯后。(2)通過對(duì)外匯市場(chǎng)和道瓊斯工業(yè)股票的實(shí)證研究,發(fā)現(xiàn):股票市場(chǎng)中,正收益對(duì)后續(xù)波動(dòng)率的影響不如
4、負(fù)收益明顯,即波動(dòng)率具有杠桿效應(yīng)。已實(shí)現(xiàn)波動(dòng)率的對(duì)數(shù)具有明顯的長(zhǎng)期記憶特性。雖然已實(shí)現(xiàn)波動(dòng)率明顯向右傾斜,但已實(shí)現(xiàn)波動(dòng)率的對(duì)數(shù)呈現(xiàn)正態(tài)分布。雖然原始的收益率數(shù)據(jù)有明顯的高峰和大尾巴,但收益率除已實(shí)現(xiàn)波動(dòng)率呈現(xiàn)正態(tài)分布。股票市場(chǎng)的波動(dòng)率與相關(guān)度呈相同方向運(yùn)動(dòng),降低了資產(chǎn)組合分散化在高波動(dòng)率時(shí)的作用。(3)依據(jù)(2)中的結(jié)論,用體現(xiàn)長(zhǎng)期記憶的分?jǐn)?shù)綜合移動(dòng)平均自回歸(AutoRegressionFractionalIntegratedMovingAverage,ARFIMA)方法可以得到更好的波動(dòng)率預(yù)測(cè)。使用正
5、態(tài)對(duì)數(shù)正態(tài)混合分布可以得到很好的概率密度和分位數(shù)估計(jì)(例如VaR)。已實(shí)現(xiàn)波動(dòng)率的一個(gè)重要用途是作為對(duì)以前各類模型進(jìn)行評(píng)價(jià)的基準(zhǔn)。它的另一個(gè)更重要的用途是用于檢驗(yàn)波動(dòng)率的各種特性,并對(duì)未來波動(dòng)率進(jìn)行預(yù)測(cè),因?yàn)橐褜?shí)現(xiàn)波動(dòng)率可以直接當(dāng)作波動(dòng)率的一種觀測(cè)值,因此可以采用一般的時(shí)間序列方法,無須像ARCH模型一樣通過模擬收益率序*本文是國(guó)家自然科學(xué)基金課題(79800010、70042005)、上交所2002年聯(lián)合研究計(jì)劃課題、教育部社科十五課題(01jb790026)及2002年廈門大學(xué)校級(jí)課題成果之一。75黃后
6、川、陳浪南:中國(guó)股票市場(chǎng)波動(dòng)率的高頻估計(jì)與特性分析列得到內(nèi)含的波動(dòng)序列。許多經(jīng)濟(jì)學(xué)家,如Engle、Ng(1993)等,都通過實(shí)證研究指出了信息(一般用前期收益度量)與波動(dòng)率之間的不對(duì)稱性,即好信息與壞信息對(duì)未來波動(dòng)率的影響程度不同,通常,負(fù)收益率相對(duì)正收益率而言對(duì)未來波動(dòng)率的影響更大些。對(duì)該現(xiàn)象有兩種解釋,其一稱為杠桿效應(yīng),即一個(gè)大的負(fù)收益增加了財(cái)務(wù)和操作杠桿,反過來提升了股票收益的波動(dòng)率。第二種解釋認(rèn)為,市場(chǎng)風(fēng)險(xiǎn)貼水是波動(dòng)率的增函數(shù),大的負(fù)收益由于存在一個(gè)波動(dòng)率反饋效應(yīng),因而對(duì)波動(dòng)率的影響比正收益更大些。波
7、動(dòng)率的一個(gè)重要特性是它的持續(xù)性,即市場(chǎng)波動(dòng)一般會(huì)持續(xù)一段時(shí)間,隨著時(shí)間的推移而慢慢消失。通常,經(jīng)濟(jì)學(xué)家們把時(shí)間序列分為確定性的趨勢(shì)和移動(dòng)平均自回歸隨機(jī)過程兩個(gè)部分,判別確定性趨勢(shì)的一種常用方法是測(cè)試時(shí)間序列是否存在一個(gè)單位根。Granger(1966)發(fā)現(xiàn)大多宏觀或金融變量都存在著自相關(guān)系數(shù)慢速衰減現(xiàn)象,隨機(jī)游走或ARIMA只是具備這種現(xiàn)象的特例之一。本文旨在應(yīng)用高頻數(shù)據(jù)估計(jì)中國(guó)股票市場(chǎng)的已實(shí)現(xiàn)波動(dòng)率。在計(jì)算各種頻率的已實(shí)現(xiàn)波動(dòng)率的基礎(chǔ)上,本文構(gòu)造了一種較為精確的估計(jì)波動(dòng)率的方法,可以更好地平衡測(cè)量誤差與微觀結(jié)構(gòu)誤
8、差,并進(jìn)一步考察中國(guó)股市波動(dòng)率的不對(duì)稱和長(zhǎng)期記憶特性。二、研究方法1波動(dòng)率的高頻估計(jì)使用高頻交易數(shù)據(jù)(如5分鐘、1天)來計(jì)算低頻波動(dòng)率(如1天、1月)的理論模型如下:假定n維對(duì)數(shù)價(jià)格向量pt遵從多維連續(xù)的正態(tài)發(fā)散過程:dpt=tdt+tdWt其中t為nn維的強(qiáng)平穩(wěn)的正定的擴(kuò)散矩陣,Wt是標(biāo)準(zhǔn)的布朗運(yùn)動(dòng),則收益rt+h,h=lnpt+h-lnpt服從
