基于极差GARCH-MIDAS模型的中国股市风险度量研究

基于极差GARCH-MIDAS模型的中国股市风险度量研究

股票市场是宏观经济的反映器,股票市场的波动状况与中国经济的发展变化息息相关,相互影响。尤其是在“互联网金融”时代下,金融的开放程度和金融产品的创新程度都越来越高,国内和国外的政治经济环境变动都会引起股票市场波动,使得股票市场的风险更加复杂。正如2015年后半年,我国股票市场出现了大涨大跌局面,近千只股票的跌停,使投资者财富和信心受损,投资者情绪一度低迷。因此,准确的度量股票市场风险,对我国股票市场的风险管理,以及投资者正确决策的引导具有重要意义。

随着信息技术的发展,高频数据采集技术的成熟,基于混频数据的GARCH(GARCH-MIDAS)模型逐渐应用到了风险度量中,并取得了不错的效果。GARCHMIDAS模型将条件方差分解为长期成分和短期成分,但是传统GARCH-MIDAS模型的条件方差长期成分中只考虑了已实现波动率这一单一测度,没有考虑多重测度的影响,导致信息的损失。基于此,本文在构建模型时,将价格极差这一测度也引入GARCH-MIDAS模型的长期成分中,提出了极差GARCH-MIDAS模型,以充分利用市场信息。本文实证研究的样本数据选用的是上证综合指数的日收盘价、日最高价、日最低价以及基于5分钟高频数据构建的已实现波动率。

以GARCH模型、GARCH-MIDAS模型、极差GARCH-MIDAS模型这三种波动率模型为基础,利用滚动时间窗方法,对波动率进行样本外预测。利用四种损失函数(均方根误差、平均绝对误差、平均绝对百分比误差、拟似然函数)和M-Z回归检验,比较这三种波动率模型的波动率预测精度差异。根据波动率预测结果进行VaR计算。利用Kupiec检验,比较基于不同的波动率模型的VaR预测精度差异。

基于上证综合指数的实证研究结果表明,不同波动率模型的参数估计、波动率预测及VaR计算的结果都有很大区别。由参数估计结果可知,已实现测度(已实现波动率和价格极差)的引入可以分散模型的条件方差对自身滞后一阶项的依赖。由波动率预测和损失函数检验结果可知,极差GARCH-MIDAS模型的波动率预测精度最高,GARCH-MIDAS模型次之,GARCH模型略显逊色。由VaR计算及检验结果可知,无论是在95%、97.5%还是99%的置信水平下,极差GARCH-MIDAS模型预测出的VaR值精度均是最高的。

说明价格极差这一测度的引入,确实可以提高GARCHMIDAS模型的波动率预

测和VaR预测精度,对于风险管理具有重要的实践指导意义。