基于跳躍、好壞波動(dòng)率的視角,采用比ABD檢測(cè)更穩(wěn)健的ADS檢測(cè)法進(jìn)行甄別跳躍,提出HAR改進(jìn)模型,進(jìn)一步考慮到實(shí)際波動(dòng)率的非線性和高持續(xù)性動(dòng)態(tài),文章引入馬爾科夫狀態(tài)轉(zhuǎn)換機(jī)制以構(gòu)建對(duì)應(yīng)的MRS-HAR族模型,推導(dǎo)其參數(shù)估計(jì)方法,并運(yùn)用滾動(dòng)時(shí)間窗預(yù)測(cè)技術(shù)和MCS檢驗(yàn)評(píng)估預(yù)測(cè)模型結(jié)果,并采取不同的窗口期進(jìn)行穩(wěn)健性檢驗(yàn).以上海期貨交易所的黃金連續(xù)（AU0）期貨合約為研究對(duì)象,實(shí)證研究表明:結(jié)合馬爾科夫狀態(tài)轉(zhuǎn)換機(jī)制,跳躍波動(dòng)在上漲行情時(shí)會(huì)抑制未來波動(dòng)性;結(jié)合馬爾科夫狀態(tài)轉(zhuǎn)換機(jī)制,好壞波動(dòng)率在上漲行情時(shí)正負(fù)沖擊相對(duì)平衡,而在下跌行情時(shí)好（壞）波動(dòng)率抑制（加�。┪磥聿▌�(dòng)性;MCS檢驗(yàn)證實(shí),結(jié)合馬爾科夫狀態(tài)轉(zhuǎn)換的MRS-HAR族模型相比于HAR族模型具有更優(yōu)的預(yù)測(cè)精度,進(jìn)一步考慮由ADS檢測(cè)修正的好壞波動(dòng)率和符號(hào)跳躍能夠改善波動(dòng)率模型的預(yù)測(cè)能力,其中基于符號(hào)跳躍和馬爾科夫狀態(tài)轉(zhuǎn)換的MRS-HAR-RV-SJ模型展現(xiàn)了最高的預(yù)測(cè)精度. 

【文章來源】：系統(tǒng)科學(xué)與數(shù)學(xué). 2020,40(03)北大核心CSCD

【文章頁數(shù)】：26 頁

【部分圖文】：

圖２?＿率序列??（Ｆｉｇｕｒｅ?２?Ｒｅｔｕｒｎ?ｓｅｒｉｅｓ）??

圖９壞波動(dòng)率（只５＾）

圖１０符號(hào)跳躍（ＳＪ）??（Ｆｉｇｕｒｅ?９?Ｂａｄ?ｖｏｌａｔｉｌｉｔｙ?（ＲＳ￣））

【參考文獻(xiàn)】：
期刊論文
[1]中國(guó)股票市場(chǎng)最優(yōu)套期保值比率研究——基于高階矩HAR模型[J]. 唐勇,崔金鑫.  系統(tǒng)科學(xué)與數(shù)學(xué). 2018(09)
[2]運(yùn)用最小二乘模型平均法預(yù)測(cè)外匯實(shí)際波動(dòng)率（英文）[J]. 邱越,謝天.  系統(tǒng)科學(xué)與數(shù)學(xué). 2018(06)
[3]基于跳躍、好壞波動(dòng)率與百度指數(shù)的股指期貨波動(dòng)率預(yù)測(cè)[J]. 陳聲利,關(guān)濤,李一軍.  系統(tǒng)工程理論與實(shí)踐. 2018(02)
[4]基于符號(hào)收益和跳躍變差的高頻波動(dòng)率模型[J]. 馬鋒,魏宇,黃登仕.  管理科學(xué)學(xué)報(bào). 2017(10)
[5]HAR-RV-EMD-J模型及其對(duì)金融資產(chǎn)波動(dòng)率的預(yù)測(cè)研究[J]. 龔旭,文鳳華,黃創(chuàng)霞,楊曉光.  管理評(píng)論. 2017(01)
[6]股指期貨市場(chǎng)波動(dòng)率的預(yù)測(cè)研究[J]. 賀志芳,楊鑫,龔旭,文鳳華.  系統(tǒng)科學(xué)與數(shù)學(xué). 2016(08)
[7]基于馬爾科夫狀態(tài)轉(zhuǎn)換和跳躍的高頻波動(dòng)率模型預(yù)測(cè)[J]. 馬鋒,魏宇,黃登仕,夏澤安.  系統(tǒng)工程. 2016(01)
[8]多分形視角下的金融市場(chǎng)波動(dòng)建模研究[J]. 唐勇,黃志剛.  系統(tǒng)科學(xué)與數(shù)學(xué). 2015(06)
[9]基于高頻數(shù)據(jù)視角的上證綜指跳躍原因分析[J]. 趙滌非,唐勇.  系統(tǒng)科學(xué)與數(shù)學(xué). 2015(01)
[10]考慮跳躍和隔夜波動(dòng)的中國(guó)股票市場(chǎng)波動(dòng)率建模與預(yù)測(cè)[J]. 孫潔.  中國(guó)管理科學(xué). 2014(06)



本文編號(hào)：3557269