吴鑫育, 刘天宇
研究表明,
金融资产收益率的波动率具有时变性、聚集性和非对称性等 复杂的特征.
此外, 波动率还具有很强的持续性, 而且这种持续性具有时变特征. 与此
同时, 随着计算机及电子信息技术的快速发展, 高频数据越来越容易获得,
充分利用 高频数据可以提高波动率估计的准确性.
Hansen和Huang采用高频数据构建了已实 现EGARCH(REGARCH)模型,
研究发现其比传统GARCH模型和EGARCH模型具有 更好的数据拟合效果. 但是,
REGARCH模型仍然没有考虑波动率持续性的时变 特征.
文章在REGARCH模型的基础上, 引入随时间变化的GARCH系数, 采用混
频数据抽样(mixed-data sampling, MIDAS)方法,
将其与解释变量(已实现波动率)联系起来, 构建了具有时
变波动率持续性的REGARCH (TVP-REGARCH-MIDAS)模型.
采用上证综合指数数据进行 实证研究, 结果表明:
上证综合指数的波动率具有很高的持续性, 而且这种持续性展
现明显的时变特征, 具体而言,
上证综合指数的波动率持续性与已实现波动率呈负 相关,
即在高(低)的波动率时期会产生低(高)的持续性; TVP-REGARCH-MIDAS模
型相比EGARCH模型、REGARCH模型和TVP-GARCH-MIDAS模型具有更好的样本内拟合效果
以及样本外波动率预测效果.