基于高頻數(shù)據(jù)的GARCH模型的參數(shù)估計(jì).pdf

1、隨著電子化交易的普及和信息技術(shù)的高速發(fā)展，日內(nèi)高頻數(shù)據(jù)的獲取變得越來(lái)越容易.一般而言，日內(nèi)高頻數(shù)據(jù)往往包含更多的信息.Visser(2011)提出的波動(dòng)率替代模型能將日內(nèi)高頻數(shù)據(jù)嵌入的日間的GARCH模型下，因此我們可以通過(guò)構(gòu)造合適的波動(dòng)率替代來(lái)改進(jìn)GARCH模型的參數(shù)估計(jì).但是高頻數(shù)據(jù)往往伴隨著市場(chǎng)微觀結(jié)構(gòu)的噪音，它們可能會(huì)帶來(lái)巨大的估計(jì)偏差.因此，在利用高頻數(shù)據(jù)進(jìn)行建模的時(shí)候，要充分考慮市場(chǎng)微觀結(jié)構(gòu)噪音的影響，選擇更穩(wěn)健，限制條件較

2、少的估計(jì)方法.
　　 基于以上考慮，本文首先對(duì)基于GARCH的波動(dòng)率替代模型提出了偽極大指數(shù)似然估計(jì)(QMELE)，并給出了它的漸近性質(zhì)，與傳統(tǒng)的高斯偽極大似然估計(jì)(QMLE)相比，QMELE的漸近正態(tài)性只需要?dú)埐畹亩A矩有限.數(shù)值模型也顯示QMELE具有較高的精度和穩(wěn)健性.
　　 此外，本文還對(duì)基于GJR的波動(dòng)率替代模型提出了一類穩(wěn)健M-估計(jì).與QMELE類似，該類穩(wěn)健估計(jì)的漸近正態(tài)性不需要?dú)埐畹乃碾A矩有限.同時(shí)，我們

3、還可以通過(guò)構(gòu)造合適的損失函數(shù)來(lái)獲得較高的效率.為了研究該類穩(wěn)健估計(jì)在波動(dòng)率替代模型下的有限樣本性質(zhì)，我們進(jìn)行了蒙特卡羅模擬.模擬結(jié)果顯示該類穩(wěn)健估計(jì)同時(shí)具有高效性和穩(wěn)健性，在具有25％異常點(diǎn)時(shí)仍然能夠有較高的精度.
　　 最后，本文介紹了如何利用波動(dòng)率替代模型來(lái)預(yù)測(cè)VaR的方法.我們對(duì)滬深300指數(shù)近3年的日內(nèi)高頻數(shù)據(jù)進(jìn)行建模，研究了本文提出的各種估計(jì)方法在預(yù)測(cè)VaR上的表現(xiàn).實(shí)證結(jié)果驗(yàn)證了本文提出的不同估計(jì)的有效性和準(zhǔn)確性，同