中国金融市场波动率模型预测能力比较探究摘要：使用高频数据构造的实现类波动率估计量已经越来越多的用于波动率模型预测精度的衡量与比较。本文采用来自沪深两市的主要股指日内高频数据，构建了两类日内波动率的非参估计量实现波动RV与实现极差RR,分别用于GARCH和CARR类模型的比较与扩展；并使用Mincer-Zarnowitz(MZ)回归方程和基于此基础之上的一个渐进正态检验统计量对各模型的相对优劣及统计显著性进行对比研究。结果显示，标准CARR表现最好，而GARCH类扩展以及CARR类扩展模型均未能显著提升模型的预测能力，从实证上说明了CARR模型使用每日价格极差信息对波动率建模是充分有效的。关键词：实现极差；实现波动；CARR；GARCH；高频数据中图分类号:F830.9文献标识码：A文章编号：1003-5192(2009)05-0020-07AForecastComparisonofVolatilityModelsinChineseFinancialMarketsYINLian-qian,SHAOXi-dong(JinheCenterforEconomicResearch,Xi，anJiaotongUniversity,Xi，an710049,China)Abstract：Therealizedvolatilityestimatorsconstruetedbyhigh----本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---frequencydatahavegainedpopularityinmeasuringandcomparingtheforecastabilitiesofdifferentvolatilitymodels.Weemployintra-dayhighfrequencydataoftwomainindexesinShanghaiandShenzhenStockMarketsinconstruetingtwokindsofnon-parametrieestimatorsrealizedvolatilityandrealizedrange,whichareusedtocompareGARCHandCARRfamiliesandbuildtheirextensions.Mincer-Zarnowitzregressionequationandanasymptoticnormalstatisticsbasedtheequationareusedtojudgethesatisticalsignificanceoftheirsuperiority.TheresultsshowthatstandardCARRmodelperformsthebest,andGARCHextensionsaswellasthoseCARRextensionsdonotimprovethestandardmodel，sforecastingabilityinthesenseofstatisticalsignificance,whichdemonstratesempiricallythatmodelingvolatilitywithdailypricerangesofCARRmodelishighlyefficient・Keywords：realizedrange；realizedvolatility；CARR；GARCH；highfrequencydata1引言金融资产的波动率估计一直都是金融经济学多个领域关注的核心内容。如何选择恰当的波动率模型以对资产的价格---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---波动进行尽可能精确的估计和预测，对于金融定价模型,资产组合配置，风险的描绘和管理都有重要的理论和实际意义⑴。尽管实证研究的证据很久以前就明白地显示条件方差既是时变的又是高度持续的，由于相关的研究工具的缺乏,直到70年代学术研究中一直都使用恒常波动率，女口BS期权定价模型。自从90年代起，研究波动率的工具才被大量地发展出来。目前估计金融资产收益率日波动性的模型大致有以下几种类别［2］：第一类方法是充分利用衍生工具市场的价格发现功能。衍生工具提供了市场出清时的价格信息，其中也包括揭示波动性的信息。期权是一种价格受到诸多因素影响的资产，然而通常期权市场上除了其标的资产的波动性以外，其余的因素都是可以观测到的。这样通过某个期权定价公式，就可以得到隐含波动率或隐含标准差。但这一方法的缺点在于要假设计算隐含波动率的期权定价公式正确。由于这类方法需要相关标的资产的衍生品市场的充分发展，因此在相当大的程度上限制了其应用范围；第二类方法是直接对金融资产日收益率的平方建模以得到波动性的估计值。自Engle,Bollerslev等人提出ARCH和GARCH系列模型以来,这一方法得到了广泛的应用和蓬勃的发展［3,4］；相关的同类模型还有Taylor,Ghysels等人提出的随机波动率SV模型[2]；而最近发展而且流行起来的基于高频数据的非参方法有Andersen,Boilerslev,Barndorff----本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---Nielsen,Shephard,Alizadeh,Brandt和Deibold等人倡导的实现波动(RealizedVolatility,RV)[5]o实现波动的概念是Merton在1980年首先提出的，此估计量通过把一个样本区间内的收益率的平方加总得到的。...