风险波动预测研究之二－风险波动预测模型实证研究

风险波动预测研究之二－风险波动预测模型实证研究内容摘要：

风险波动预测研究之二－风险波动预测模型实证研究 请务必阅读正文之后的免责条款 2009 年 5 月 4 日 风险波动预测之二： 风险波动预测模型实证研究模型构建： 参数选取的数据时间段为 20060408其中前面 865 个交易日的数据用于样本内（ 型估计，后 100 个数据用于对样本外 (测的检验。 我们利用指数加权移动平均（ 、正态自回归异方差（ 、 T 分布自回归异方差（ 、指数自回归异方差（ 、部分差分自回归异方差（ 、随机波动率（ 、实际波动率（ 、神经网络、小波转换（ 模型进行计算。 其中市级波动率、神经网络、小波转换这三个模型采用的是沪深 300 指数的分时数据用以计算，其余模型用沪深 300 指数的日数据做计算，最终我们用一种组合的方式将各个模型联系起来，得到海通风险波动预测模型。 实证结果： 从实证结果中我们可以总结出以下几个结论： 第一，波动在一定程度上是可预测的。 以随机游走模型（采用分时数据计算）作为为市场波动预测的基准，随机游走模型预测市场波动在所有模型中排名后三分之一列，也就说一半以上模型对市场波动的预测都好于随机游走模型。 第二，分时数据的预测性好于日数据的预测性。 在金融市场中，信息是连续影响证券市场价格的运动过程，数据的离散采集必然会造成信息的缺失。 无疑，采集频率越高，信息丢失越少；采集频率越低，信息丢失越多。 分时数据比日数据包含更多信息，更能真实反映市场。 第三，非线性模型优于线性模型。 各类模型中，人工神经网络模型的各种误差衡量结果均最低，这反映出金融数据具有明显的非线性，仅仅进行线性你和和预测，警犬程度远远不足。 第四，组合预测模型虽然没有战胜所有模型，但总体上预测精确程度位于前三。 考虑到组合预测采用的是各模型的一种平均结果，因此其预测的稳定性应优于耽搁模型。 综合考虑准确性和稳定性，组合预测模型更适合用于构建风险波动性指数。 风险分析定定 量量 研研 究究 相关研究 风险波动预测研究之一：风险波动预测模型综述 20090428 金融工程部 石建民 电话： 021开佳 电 话： 021 定量研究 1 目 录 1. 模型构建 .本选取 .差评估指标 .测模型 . 实证结果 . 波动率预测模型的应用 . 定量研究 2 虽然波动率具有一定可预测性得到较为一致的公认，但预测方法孰优孰劣却没有定论。 一般来说应根据具体特定的市场或资产进行实证性检验分析，才能评估预测模型的适用性程度从而做出选择。 因此，上述预测方法以及基于这些方法得出的组合预测效果如何。 能否适用于我国的证券市场特征。 孰优孰劣。 这些问题只能通过结合我国证券市场的实际数据进行实证检验和分析，才能做出判断。 1. 模型构建 沪深 300 指数是目前 A 股市场上能较全面反映两市场走势的成份股指数， 其在市值覆盖率、市场代表性、流动性方面相对较为优秀，因此我们以沪深 300 指数为对象，通过各种风险预测模型来估计未来市场风险，并提出了一种组合模型，其表现更兼顾稳定性和准确性。 本选取 参数选取的数据时间段为 20060408中前面 865 个交易日的数据用于样本内（ 型估计，后 100 个数据用于对样本外 (测的检验。 差评估指标 在收益率的计算上采用的是金融分析中常用的对数收益率法，即： ) 其中 i 指数在 t 时刻的收益率， i 指数在 t 时刻的绝对值。 评价预测误差我们采用了三个指标，分别是 对数损失函数。 评价预测误差的最常用指标是均方误（ ，其计算公式为： 其中 n 为样本外预测结果的个数，1t + 为事后实际波动率， 1t + 为预测波动率。 由于 标中每个观测值的误差是通过平方的形式出现，个别极值对整个评估结果影响很大，可能对实际误差的平均情况带来偏差。 因此，在金融数据中还常用另外一个指标平均绝对偏差（ ： =+= 考虑到预测模型可能在高波动和低波动时期预测的准确度相差较大这种不对称性，而 标无法反映出来，有人提出了所谓的对数损失函数： 2+= 2+= 定量研究 3 测模型 在风险波动预测研究之一：风险波动预测模型综述一文中我们对目前市场上主流的风险预测模型做了详细介绍，本文将这些模型直接应用的 A 股市场中，将其波动预测结果加以对比，其中指数加权移动平均（ 、正态自回归异方差（ 、T 分布自回归异方差（ 、指数自回归异方差（ 、部分差分自回归异方差 （ 、 随机波动率 （ 、 实际波动率 （ 、神经网络、小波转换（。 其中市级波动率、神经网络、小波转换这三个模型采用的是沪深 300 指数的分时数据用以计算，其余模型用沪深 300 指数的日数据做计算。 每个模型都各有特点，为了得到一个相对稳定的、精确的结果，最终我们用一种组合的方式将各个模型联系起来，得到海通风险波动预测模型。 2. 实证结果 我们将实证的结果归结为下表： 表 1 各种代表性波动率预测模型的预测结果及其比较 名 名 名 随机游走 日数据模型 0 0 1 0 2 3 2 1 2 1 3 3 分时数据模型 组合数据模型 组合 资料来源：海通证券研究所 从实证结果中我们可以总结出以下几个结论： 第一，波动在一定程度上是可预测的。 以随机游走模型（采用分时数据计算）作为为市场波动预测的基准，随机游走模型预测市场波动在所有模型中排名后三分之一列，也就说一半以上模型对市场波动的预测都好于随机游走模型。 第二，分时数据的预测性好于日数据的预测性。 从分时数据模型和日数据模型的预测效果看， 5 个分时数据模型在所有模型中排名前六位，而日数据的预测模型均排在六位以后。 这个现象也说明，高频数据给予了投资者更多的信息。 在金融市场中，信息是连续影响证券市场价格的运动过程，数据的离散采集必然会造成信息的缺失。 无疑，采集频率越高，信息丢失越少；采集频率越低，信息丢失越多。 分时数据比日数据包含更多信息，更能真实反映市场。 定量研究 4 第三，非线性模型优于线性模型。 各类模型中，人工神经网络模型的各种误差衡量结果均最低，这反映出金融数据具有明显的非线性，仅仅进行线性你和和预测，警犬程度远远不足。 第四，组合预测模型虽然没有战胜所有模型，但总体上预测精确程度位于前三。 考虑到组合预测采用的是各模型的一种平均结果，因此其预测的稳定性应优于耽搁模型。 综合考虑准确性和稳定性，组合预测模型更适合用于构建风险波动性指数。 对比组合预测模型进行样本外预测得出的预测波动率与实际波动率（如下图） ，我 们可以看到预测波动率与真实波动率基本一致，说明组合预测模型的预测效果较好，能给投资者一定的风险提示。 表 2 样本外预测的沪深 300 指数风险波动率与实际波动率比较 0123456789组合 真实资料来源：海通证券研究所 3. 波动率预测模型的应用 建立在波动率预测基础上的风险波动性指数不仅揭示了市场风险特征，而且具有较强的前瞻性，其实践意义不言而喻： 一， “晴雨表”的“晴雨表”。 股市是经济的“晴雨表” ，而风险波动性指数则是股市的“晴雨表”。 风险指数能较准确的指示市场波动性状况和前景，使得投资者对于市场风险有一个直观的认识。 像芝加哥期权交易所的 动性指数就被称为“投资者情绪指标”。 对于短线交易的个人投资者或者试图锁定建仓或抛售成本的机构投资者而言，这种“晴雨表”的作用都显而易见。 对于上市公司、市场监管者而言，风险指数解释的波动现状和走向，有助于判断政策制订和出台的时机选择。 二、为基金投资提供了新的比较基准（。 目前基金投资采用的比较基准都是以传统型指数为基础，传统型指数是价格或收。