基于har-cs-m模型的沪深300指数隔夜风险研究.docxVIP

基于har-cs-m模型的沪深300指数隔夜风险研究

har-rv模型

在市场经济中，投资者的投资具有不同的风格，保留轴的时间也不同。如果市场上未披露零件，投资者可能会遭受短期损失。潜在的长期损失不确定为夜间风险。由于期货的高杠杆化交易(股指期货5倍以上杠杆,商品期货10倍左右杠杆)和休市期间停止交易,持有隔夜头寸,可能会给投资者带来巨大损失,所以对隔夜风险的深入研究就显得尤为重要。

由于交易数据的缺乏,对隔夜风险的研究受到了很大的限制。文献中对日波动率(DailyVolatility)特征的研究,一般忽略了隔夜风险的影响［1］,而将隔夜风险视为日内波动(IntradayVolatility)的调整项［2，3］,缺乏对隔夜风险动态特征与影响因素的研究。Andersen等［4］认为,虽然收市期间没有交易数据,但是隔夜收益所包含的信息是不容忽视的。他们利用标准普尔500指数15年的高频数据,分别讨论了日内收益和隔夜收益对日波动率的影响,发现日内收益和隔夜收益的区别处理可以提高对日波动率的预测精度。

为了刻画日波动率的动态特征,Corsi［5］首次提出了HAR-RV模型,由于模型形式简单且很好地刻画了波动率的特征(长记忆、厚尾和自相似),HAR-RV模型得到广泛的应用。HAR-RV模型考虑了波动率的异质性,但它没有区分连续波动和跳跃波动的不同影响,忽略了波动率的杠杆效应,也没有考虑投资者心理、市场交易机制和宏观政策干预等其他典型异质市场驱动成分的影响,而Andersen等［6］将日内波动分解成连续性波动和跳跃性波动,在HAR-CJ模型的框架下研究了不同的日内波动信息对日波动的影响,发现所有的日波动、周波动和月波动的可预测性几乎都来自于连续性波动部分,而跳跃性波动的可预测性很差,Corsi［7］在改进的HAR-CJ模型框架下研究连续性波动和跳跃性波动的杠杆效应时发现,连续性波动和跳跃性波动的杠杆效应都是显著存在的,且跳跃性波动可以显著地影响未来的日内波动。张小斐和田金方［8］在HAR-RV模型中引入投资者心理和市场交易机制,构造了新的HAR-L-M模型,并利用该模型讨论了不同市场的异质性程度,从不对称效应的这一角度考虑了投资者心理对未来波动率的影响,但他们没有考虑资产价格大幅波动的情形,忽略了资产价格过程中的跳跃对未来波动率的持续影响。

由于过去和现在发生跳跃的频率和规模都可能会影响投资者对未来交易日中发生跳跃的预期,且在不同预期下跳跃产生的“意外性”可能不同。为了构造跳跃的“意外性指标”,需要估计投资者对下一期发生跳跃的条件概率。Hamilton和Jorda［9］在预测美联储利率政策调整的概率和目标时,提出了ACH(AutoregressiveConditionalHazard)模型。Andersen等［4］利用该模型估计了标准普尔500指数发生跳跃的条件概率和强度,发现波动率跳跃的概率与强度都具有时变性。杨科和陈浪南［10］同样采用该模型研究上证综指五分钟高频数据,发现中国股市波动率跳跃表现出较强的正相关性,且跳跃的持续期存在较强的长记忆性和周日历效应。然而,这一类文献对跳跃产生的“意外性”的研究都主要关注日内波动问题。

本文在理论方法上的贡献是将隔夜风险视为日内波动的延续,假设隔夜风险服从如下的过程:pt=εt+κ(t)dq(t),εt~N(0,σt2),dq(t)=0,1①;在研究隔夜风险的动态特征、影响因素以及可预测性时,同时考虑了日内波动率的规模和预期的影响。由于隔夜风险并不具有日内波动的长记忆特征,刻画日内波动的HAR-RV、HAR-CJ和LHAR-CJ模型都不完全适合用于研究隔夜风险的动态特征,因而本文在HAR-CJ模型的基础上提出了新的HAR-CJ-M模型。

下文首先构造反映日内波动率信息的指标和反映投资者预期的意外性指标,然后结合隔夜风险的动态特征,给出改进的HAR-CJ-M模型,进一步利用OLS和分位数回归(QuantileRegression)方法估计各因素对隔夜风险的影响,最后检验HAR-CJ-M模型的样本外预测能力,重点考察HAR-CJ-M模型预测大的隔夜风险的能力。

内标率与跳跃事故发生之间的测量

1、日内连续性波动的测算

为了研究日内波动对隔夜风险的影响,需要选取一些能够从不同角度反映日内波动的指标。按照Andersen等［6］和Corsi［7］等的研究思路,我们首先构造了日内连续性波动CVt和跳跃性波动JVt这两个最常用的指标;由于技术分析中,例如K线理论,经常使用“上影线”和“下影线”来预测资产价格的