基于狀態(tài)空間模型的金融高頻波動率估計(jì)的改進(jìn).pdf

1、上個世紀(jì)九十年代以來，學(xué)者們對于金融高頻數(shù)據(jù)的關(guān)注投入了越來越濃厚的研究興趣。在金融經(jīng)濟(jì)學(xué)領(lǐng)域中，對股票價格波動率以及其他金融資產(chǎn)價格波動率的研究已經(jīng)發(fā)展成為了一個大熱門的課題。尤其會將金融高頻波動率數(shù)據(jù)的準(zhǔn)確計(jì)量視為一個至關(guān)重要的環(huán)節(jié)。為了能夠盡可能準(zhǔn)確的衡量股票以及其他金融資產(chǎn)價格波動率，學(xué)者們研究并采用了許多方法。目前，對于金融高頻數(shù)據(jù)波動率的研究，有兩種被業(yè)內(nèi)普遍認(rèn)可的日內(nèi)波動率估計(jì)方法:在Anderson和Bollerslev

2、等人提出的已實(shí)現(xiàn)波動率(Realized Volatility，RV)的基礎(chǔ)上，分別是由Barndorff-Nielsen等人和Christensen Podolskjj等人提出的，無論是在定義形式、估計(jì)量的穩(wěn)健性，還是在有效性等方面均呈現(xiàn)出比較良好的估計(jì)效果的金融高頻數(shù)據(jù)日內(nèi)波動率估計(jì)——已實(shí)現(xiàn)雙冪次變差(Realized Bipower Variation，RBV)和基于極差的雙冪變差(Range-basedbipower vari

3、ation, RBV)。
　　以上兩種對日波動率的估計(jì)方法均具有充分利用日內(nèi)信息和計(jì)算簡便的優(yōu)點(diǎn)。然而，這兩種估計(jì)方法雖然均是取自日內(nèi)的高頻金融數(shù)據(jù)，但是由于其定義角度的不同，兩個方法的估計(jì)結(jié)果常常是存在顯著性差異的?；蛘哒f，我們需要建立一個基于這兩種方法的混合估計(jì)使得，這個混合估計(jì)要優(yōu)于這兩種計(jì)算方法的對日內(nèi)波動率的估計(jì)。那么，真實(shí)存在的波動率到底更“依賴”這兩種估計(jì)方法中哪一種也將是值得我們進(jìn)行深入探討的問題。
　　因此

4、，本文是借鑒了Francis X.Diebold等人對現(xiàn)有兩種GDP估計(jì)方法（從消費(fèi)和支出兩種角度的估計(jì)方法）的改進(jìn)方式，引入狀態(tài)空間模型及卡爾曼濾波估計(jì)，對同樣具有穩(wěn)健型和有效性的兩種估計(jì)方法——已實(shí)現(xiàn)雙冪次變差(Realized Bipower Variation，RBV)和基于極差的雙冪變差(Range-basedbipower variation，RBV)進(jìn)行建模分析，以整合出基于兩種方法之上的混合估計(jì)，從而實(shí)現(xiàn)真實(shí)的日波動率的