交易间隔、超高频波动率与VaR——利用日内信息预测金融市场风险

被引：19

作者：

邵锡栋 ^{[1
]}

连玉君 ^{[2
]}

黄性芳 ^{[3
]}

机构：

[1] 西安交通大学金禾经济研究中心

[2] 中山大学岭南学院金融系

[3] 西安交通大学理学院

来源：

统计研究 | 2009年 / 26卷 / 01期

关键词：

VaR; 交易间隔; 超高频波动率;

D O I：

10.19343/j.cnki.11-1302/c.2009.01.016

中图分类号：

F830.9 [金融市场]; F224 [经济数学方法];

学科分类号：

1201 ; 020204 ; 0701 ; 070104 ;

摘要：

金融市场风险价值研究一般采用日收益数据,并基于GARCH类模型进行估计和预测,这必然会损失部分日内信息。本文尝试使用中国股市日内分笔超高频数据,在分析日内波动特性的基础上,通过UHF-GARCH模型对交易间隔等日内信息建模,得到超高频波动率UHFV。本文用ARFIMA模型对超高频波动率UHFV建模,应用到风险价值VaR的预测中,并同基于日数据的GARCH类模型的VaR预测能力进行比较。VaR似然比和动态分位数等回测检验的结果显示,超高频数据波动率UHFV模型的预测能力强于采用日数据的GARCH类模型。

引用

页码：96 / 102

页数：7

共 6 条

[1] 交易间隔、波动性和微观市场结构——对中国证券市场交易间隔信息传导的实证分析 [J].