• 论文 • 上一篇    下一篇

多分形视角下的金融市场波动建模研究

唐勇,黄志刚   

  1. 福州大学经济与管理学院, 福州 350108
  • 出版日期:2015-06-25 发布日期:2015-07-14

唐勇,黄志刚. 多分形视角下的金融市场波动建模研究[J]. 系统科学与数学, 2015, 35(6): 667-684.

TANG Yong,HUANG Zhigang. VOLATILITY MODELING FOR FINANCIAL MARKET: BASED ON THE VIEWS OF MULTIFRACTAL[J]. Journal of Systems Science and Mathematical Sciences, 2015, 35(6): 667-684.

VOLATILITY MODELING FOR FINANCIAL MARKET: BASED ON THE VIEWS OF MULTIFRACTAL

TANG Yong ,HUANG Zhigang   

  1. School of Economics and Management, Fuzhou University, Fuzhou 350108
  • Online:2015-06-25 Published:2015-07-14

针对修正因子的不足,对多分形波动率进行了改进. 以改进的多分形波动率为中心,建立了考虑跳跃,杠杆效应等典型特征 的HAR 类波动模型.通过对上证综指高频数据进行分析,从模型拟合,预测和风险值预测三方面评价, HAR-L-lnMFV$_{t}$-CJ 是最优的波动模型,且该模型优于传统的EGARCH-J模型和NGARCH-J 模型.这些研究说明了修正的多分形波动率测度是更为有效的波动估计量.

Aiming at the shortcomings of the correction factor, the paper adjusts the multifractal volatility measure. The model family for HAR with typical feature including jumps, leverage effect, etc., is set up, based on the center for modified multifractal volatility measure. By virtue of empirical analysis of high frequency data from Shanghai composite index, HAR-L-lnMFV$_{t}$-CJ model is the optimal volatility model, according to evaluation criterion: Model goodness of fit, model forecasting and prediction of Value at Risk and this model outperforms traditional model: EGARCH-J and NGARCH-J. All of these studies illustrate that the modified multifractal volatility is a more effective volatility estimator.

MR(2010)主题分类: 

()
[1] 王宗润, 谭郭玺. 基于确定性等价进行等权重调整的组合投资策略研究[J]. 系统科学与数学, 2022, 42(2): 287-303.
[2] 梁进, 周汇慧. 资产波动率为随机的信用等级迁移风险评估模型[J]. 系统科学与数学, 2022, 42(2): 304-317.
[3] 陈晓红,彭宛露,田美玉. 基于投资者情绪的股票价格及成交量预测研究[J]. 系统科学与数学, 2016, 36(12): 2294-2306.
[4] 冯玲,吴江樵. 股票市场组合的市场风险度量研究------基于相关性模型[J]. 系统科学与数学, 2016, 36(12): 2307-2324.
[5] 江良,林鸿熙,宋丽平. 基于P-样条方法的短期利率模型非参估计[J]. 系统科学与数学, 2016, 36(11): 2137-2150.
[6] 刘凌晨,段白鸽. 一类随机利率下特殊年金的计算[J]. 系统科学与数学, 2016, 36(10): 1670-1677.
[7] 宋丽平,余王辉. 经理期权整体实施与非限制实施的等价[J]. 系统科学与数学, 2016, 36(10): 1710-1720.
[8] 龚玉婷,郑旭. 基于Copula模型的尾部相依性长记忆效应研究[J]. 系统科学与数学, 2016, 36(6): 783-799.
[9] 唐振鹏,黄友柏,罗雪玲. 资产组合优化的多分形模型及实证分析[J]. 系统科学与数学, 2016, 36(2): 198-.
[10] 张涤新,眭以宁. 深圳股票市场的日内流动性研究[J]. 系统科学与数学, 2015, 35(12): 1487-1500.
[11] 丁元耀,卢祖帝. 安全首要准则下的借贷约束与不确定风险投资[J]. 系统科学与数学, 2015, 35(12): 1529-1545.
[12] 赵涤非,唐勇. 基于高频数据视角的上证综指跳跃原因分析[J]. 系统科学与数学, 2015, 35(1): 85-98.
[13] 张玲. 资产收益可预测的动态资产配置[J]. 系统科学与数学, 2014, 34(5): 534-549.
[14] 张玲,李仲飞. 收益序列相关的动态资产-负债管理[J]. 系统科学与数学, 2012, 32(3): 297-309.
[15] 王治,张新华. 负债代理冲突下企业投融资互动行为的实物期权分析[J]. 系统科学与数学, 2012, 32(1): 79-89.
阅读次数
全文


摘要