长记忆随机波动模型的估计与波动率预测——基于中国股市高频数据的研究

• 作者: 卢涛 庄泓刚 房振明 王春峰
• 来源期刊: 系统工程
• 学科: 经济
• 关键词: LMSV模型 高频数据 ARFIMA模型 日历效应 已实现波动性
• 年，卷（期）: 2008,（7）
• 页码范围: 29-34
• 页数: 6页
• 分类号: F830
• 字数: 5694字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4098.2008.07.005

摘要

为了有效捕捉中国股市波动率的长记忆性,提高远期波动率的预测精度,本文基于中国股市高频数据建立了长记忆随机波动模型,检验高频数据中时变的"日历效应"成分的频率,有效地对"日历效应"进行滤波.使用频域内拟极大似然方法估计LMSV模型参数,为了提高计算效率应用混沌优化算法进行最优搜索.对比了高频数据直接建模和已实现波动率方法建模的预测结果发现,通过高频数据估计的LMSV模型可以很好保留高频数据中所包含的信息量,克服信息丢失问题,预测结果要优于已实现波动率方法建模预测的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	房振明	天津大学管理学院	122	1519	21.0	34.0
2	王春峰	天津大学管理学院	233	5479	37.0	68.0
3	卢涛	天津大学管理学院	11	225	7.0	11.0
4	庄泓刚	天津大学管理学院	5	96	5.0	5.0