Forecasting Return Volatility of the CSI 300 Index Using the Stochastic Volatility Model with Continuous Volatility and Jumps
Forecasting Return Volatility of the CSI 300 Index Using the Stochastic Volatility Model with Continuous Volatility and Jumps
复制标题
利用连续波动和跳跃的随机波动率模型预测沪深300指数收益波动率
DOI：
10.1155/2014/964654
复制
发表时间：
2014-07
影响因子：
1.4
通讯作者：
Ning Zhu
中科院分区：
文献类型：
--
作者：
Xu Gong;Zhifeng Dai;Pu Li;Ning Zhu
本文在SV-RV模型的基础上，将对数已实现波动率分为对数连续样本路径变化和对数不连续跳跃变化，构建了具有连续波动率的随机波动率模型(SV-CJ模型)。然后，以沪深300指数5分钟的高频交易数据为研究样本，分别对SV、SV-RV和SV-CJ模型进行了参数估计。利用损失函数和SPA检验对这三种模型的预测精度进行了比较分析。结果表明，对数已实现波动率和对数连续样本路径变化可以用来预测中国股票市场的未来收益波动，而对数不连续跳跃变化的预测精度较差。此外，在收益波动率的预测精度上，SV-CJ模型比SV模型和SV-RV模型有明显的优势，更适合于金融风险管理等金融实践问题的研究。
The logarithmic realized volatility is divided into the logarithmic continuous sample path variation and the logarithmic discontinuous jump variation on the basis of the SV-RV model in this paper, which constructs the stochastic volatility model with continuous volatility (SV-CJ model). Then, we use high-frequency transaction data for five minutes of the CSI 300 stock index as the study sample, which, respectively, make parameter estimation on the SV, SV-RV, and SV-CJ model. We also comparatively analyze these three models' prediction accuracy by using the loss functions and SPA test. The results indicate that the prior logarithmic realized volatility and the logarithmic continuous sample path variation can be used to predict the future return volatility in China's stock market, while the logarithmic discontinuous jump variation is poor at its prediction accuracy. Besides, the SV-CJ model has an obvious advantage over the SV and SV-RV model as to the prediction accuracy of the return volatility, and it is more suitable for the research concerning the problems of financial practice such as the financial risk management.
登录
查看更多内容
影响因子：
6.1
作者：
R. Tsay
通讯作者：
R. Tsay
中国燃料油期货波动率预测：GARCH型、SV型还是已实现波动率模型？
DOI：
10.1016/j.physa.2011.08.071
发表时间：
2012-11
期刊：
Physica A: Statistical Mechanics and Its Applications
影响因子：
--
作者：
Wei Yu
通讯作者：
Wei Yu
使用HAR-CJ-M模型测量和预测中国股市的波动性
影响因子：
--
作者：
Chuangxia Huang（代表作三）;Xu Gong;Xiaohong Chen;Fenghua Wen
通讯作者：
Fenghua Wen
影响因子：
5.8
作者：
Kim, S;Shephard, N;Chib, S
通讯作者：
Chib, S
DOI：
10.2139/ssrn.499744
发表时间：
2004-01
期刊：
Econometrics eJournal
影响因子：
--
作者：
S. J. Koopman;Borus Jungbacker;Eugenie Hol Uspensky
通讯作者：
S. J. Koopman;Borus Jungbacker;Eugenie Hol Uspensky