asv模型与sv模型的深圳股市波动的预测

《asv模型与sv模型的深圳股市波动的预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ASV模型与SV模型的深圳股市波动的预测-->ASV模型与SV模型的深圳股市波动的预测[摘　要]首次应用基本SV(stochasticvolatility)金融论文代写模型及其扩展ASV(asymmetricstochasticvolatility)模型来预测深圳股市的波动,并根据对称和非对称两类评价准则,对SV类模型的预测效果与常用模型的预测效果做了比较。结果表明,对于深圳股市基本SV模型具有最好的预测效果;ASV模型的表现稍差于基本SV模型,但好于GARCH模型;GARCH模型的预测效果不稳定,随评价准则的

2、不同而有显著差别。[关键词]ASV模型;　波动预测;　SV模型一、引言资产收益的波动在许多金融实践中扮演着关键性角色。一方面,波动与金融市场的不确定性和风险密切相关,这对于风险管理、投资组合选择和监管者的政策制定都具有重要意义。另一方面,波动是资产定价的一个关键输入变量。因此在近十几年中,金融市场波动的计量和预测受到学者、政策制定者和实际工的很大重视。现有的关于波动预测的实证结果表明,不同的模型适合于不同的市场,尚未有一种模型的预测效果绝对优于其他模型。例如,Akgiray[1](1989)发现对于美国股票市场

3、,GARCH模型的预测效果最好。BrailsfordandFaff[2](1996)利用澳大利亚股市的月收益数据对多种模型进行了比较,发现GARCH模型略优于其他模型。而TseandTung[3](1992)发现对于日本和新加坡股市EA模型明显好于GARCH模型。DimsonandMarsh[4](1990)对英国股市进行波动预测分析,发现简单的回归模型和指数平滑模型具有较好的预测效果。魏巍贤、周晓明[5](1999)对中国股票市场周波动性的预测分析表明,QGARCH模型的预测效果明显优于随机游走模型。张永东、

4、毕秋香[6](2003)对上海股市进行了分析,发现指数平滑模型优于GARCH模型。在波动的计量领域,SV模型作为GARCH模型的一个有力竞争模型正受到越来越多的关注,但是在波动的预测方面,关于SV模型的文献几乎为零,仅Jun、Yu[7](2002)利用基本SV模型对新西兰股市进行了预测分析,发现基本SV模型具有很好的预测能力。而国内外尚未有文献利用ASV模型来进行波动预测。本文的研究目的在于引入基本SV模型及其扩展ASV模型来预测深圳股市的波动,并与GARCH模型、指数平滑模型、历史平均模型、随机游走模型进行比

5、较,从而研究在不同预测准则下最适合于深圳股市的预测模型。全文的组织如下:第2部分给出本文所用的数据及其统计特征;第3部分简单介绍SV类模型及其他模型;第4部分给出各个模型在不同评价准则下的预测表现,并对此作出分析;第5部分给出本文结论。二、数据本文采用深证成份指数的日收益数据。为了避免1996年12月16日实施的涨跌停板制度对波动预测造成影响,数据的样本区间取为:1997年1月2日到2003年12月26日,共1681个日收益数据,336个周收益数据。资产收益的计算公式为:rt=ln(pt)-ln(pt-1)-1

6、n*∑ni=1(ln(pt)-ln(pt-1)),其中pt为资产t时刻的收盘价。本文采用文献[8]提供的测量周波动的计算公式:σ2T=∑NTi=1r2Ti　T=1,2,…,336其中T为从1997年1月2日算起的周数,rTi为第T周的第i个交易日的收益,NT为第T周的交易天数。由此公式计算的波动将作为周波动的观测值(也即真实值)来衡量各个模型的预测效果。本文采用单步预测,取前300周的样本用作建模,为滚动形式。即,σt+1　的预测模型由数据(rt-299,…,rt;σ2t-299,…,σ2t)估计得出,表1是

7、深证成指周收益的描述性统计特征,其中K-SD检验(Kolmogorov-SmirnovD-statistic)在5%的显著水平上拒绝了周收益序列为正态分布的假设。表1　深证成份指数周收益描述性统计特征指　数标准差偏　度峰　度K-SD检验量深证成指0.03940.5415.012.184三、模型(一)SV类模型SV类模型的一般形式如下:rt=σt*εtln(σ2t+1)=α+*ln(σ2t)+ηt+1(1)其中:t=1,2,…,n;(εt,ηt+1)服从二元正态分布,其均值为零,协方差阵为∑*=1　　ρσηρση

8、　　σ2η;rt为所研究资产t时刻的收益(经过调整,使其均值为零);σ2t为所研究资产t时刻的波动,是不可观测的隐变量;参数刻画了资产波动的持续性。当ρ=0时,模型(1)为基本SV模型,基本模型较好地刻画了波动的时变和集聚等特征,但对于金融市场特别是股市中常见的波动的非对称现象却不能刻画。当ρ≠0时,模型(1)称为ASV模型,此模型通过收益冲击εt和波动冲击ηt+1负相关来刻画波动的非