论文部分内容阅读
金融风险一直是全球金融机构关注的焦点,而股市波动率则是度量股市风险的一个重要指标,因此波动率的合理估计在衍生产品定价、资产分配、投资组合和风险管理等方面都有着重要的影响。 研究波动率其根本目的是为了更好地预测波动率,主要的波动率的预测方法有两类,一类是传统的时间序列方法,这其中最为经典的是ARCH类条件方差模型及其拓展;另一类是诸如神经网络等人工智能方法。国内外众多学者充分运用这两类方法对波动率的预测进行了大量及深入的研究。 本文在总结国内外学者对波动率研究的研究成果后,基于中国上证综合指数,首先分析了我国股票市场的已实现波动率的一些特性,然后基于波动率的特性分别构建了3个 ARCH类条件方差模型和BP神经网络模型。使用滚动时间窗的样本外波动率预测方法对3个时间序列模型进行预测,运用训练好的BP神经网络进行次日波动率的预测,并将得到的预测结果进行比较研究。为提升预测精度,在组合预测原理的指导之下,对前面4个单一预测模型的预测结果构建了线性和非线性的组合预测模型,并进行基于bootstrap模拟的SPA检验(Superior Predictive Ability Test)。使我们对中国股票市场波动率的预测精度得到了长足的提升。