高频数据视角下的金融市场波动率建模及预测：基于机制转换和动态模型平均组合预测法的研究

Modelling and forecasting the financial markets volatility accurately, which are extremely important theoretical and practical senses to the national regulators and institutional investors (e.g., QDII and QFII) on the background of unfavorable economic surroundings, such as the slow economic growth, depressed international trades and commodity markets. In addition, accurate description and prediction of the financial markets volatility are one of the hot and difficult problems of the modern financial theory and academia. Considered the some obvious drawbacks of methods and insufficient application research in the existing literature, the goals of this project are as below. On the basis of the realized semi-variances and the different jump tests, we propose new heterogeneous autoregressive model of realized volatility models. Moreover, we introduce the realized volatility of volatility and regime-switching with time-varying-transition probability model to the abovementioned models and combine the dynamic model averaging with dynamic forget factors method to forecast the financial market volatility, which can be further designed the portfolio strategy and measured the portfolio risk.

在目前全球经济增长乏力、国际贸易不振、大宗商品市场价格低迷等不利环境下，精确的测度和预测各类金融市场的波动，对各国监管部门与机构投资者（如QDII和QFII等）具有极其重要的理论及现实意义。同时，准确的描述和预测各类金融市场的波动又是现代金融理论和学术界研究的热点和难点问题之一。鉴于现有研究文献还存在一些较为明显的方法缺陷和应用研究不足，本课题的目标：在已实现半变差和结合不同的跳跃识别检验的基础上，提出新的基于高频数据的异质已实现波动率模型，并从已实现波动率的波动和时变概率矩阵马尔科夫状态机制转换这两个维度，对现有和新提出的异质自回归波动率模型进行相应的拓展，在此基础上利用动态遗忘因子的模型平均组合预测法等来预测金融市场波动率，进一步将新的预测方法应用到投资组合策略设计和组合风险测度等领域。

本课题在以已实现半变差和结合不同的跳跃识别检验的基础上，从已实现波动率的波动和时变概率转移矩阵马尔科夫状态机制转换两个维度，对现有和新提出的异质已实现波动率模型进行相应的拓展，在此基础上利用动态遗忘因子的DMA组合预测等方法来预测金融市场波动率，进一步将这种预测方法应用到投资组合策略设计和组合风险测度等研究领域。.目前，申请书中所列示的主要研究内容基本完成。课题组团队正式发表（含接受后在线发表）期刊论文48篇，其中CSSCI 2篇（《系统工程理论与实践》和《数理统计与管理》）、SSCI/SCI 检索期刊论文46篇（其中包含金融和能源经济领域的多篇高水平期刊论文，如Journal of Empirical Finance，International Journal of Forecasting，Journal of Forecasting和Energy Economics等）。项目组成员目前已经获得2项国家自然科学基金青年基金项目，1项国家自然科学基金面上项目，3人获得博士学位。研究成果主要体现在以下几个方面：.（1）基于正负已实现半变差，构建了连续的符号跳跃变差和符号的跳跃变差，并在异质自回归波动率模型和新型的迭代组合预测方法（的基础上，研究了跳跃（包含日内和日间跳跃）及跳跃的大小（将跳跃分解为大跳跃和小跳跃）对市场波动率的影响，发现这些方法优于传统方法和多种常数权重的组合预测法。.（2）将共同跳跃和跳跃的符号引入波动率预测模型中，探索了考虑符号的共同跳跃对波动率预测精度的影响，同时考虑到诸多的预测因子可能会造成过拟合问题，采用稀疏方法，发现该方法可以显著提升原油价格的预测精度。.（3）考虑到结构断点的存在，我们引入了机制转换方法对波动率模型预测精度的影响，特别是对高频数据波动率建模领域。我们发现机制转换模型让预测模型具有更优越的预测效果，进一步完善波动率预测模型。