科研之友
微信
新浪微博
Facebook
分享链接
摘要
异质自回归(heterogeneous autoregressive,HAR)及其拓展模型(统称为HAR-类模型)能够刻画不同类型(期限)交易者的异质性对金融市场未来价格波动的"贡献"程度,在实证研究中备受推崇,并在预测金融市场波动率中取得了较好的效果。研究发现,HAR-类模型虽然能够在一定程度上刻画金融市场中非常重要的长记忆特征,但刻画能力明显比自回归分整移动平均(ARFIMA)模型差。HAR-类模型的主要优势在于对异质性的刻画,而ARFIMA模型的主要优势在于对长记忆性的准确刻画。因此,基于这两个模型各自的优势提出了新的模型:异质自回归分整移动平均(HARFIMA)模型,并对新模型进行了拓展建模,提出HARFIMA-类模型。将HARFIMA-类模型运用于对标普500和上证综指的已实现波动率(RV)的建模和预测发现,HARFIMA-类模型能够更加准确地刻画金融市场的长记忆性,更重要的是样本外的预测能力明显优于其他模型,并且预测结果相当稳健。
- 单位
