股市波动率预测研究

　　刘光强，男，管理学博士，高级会计师，现任职于三亚学院管理学院。主要研究领域为金融风险预测和企业管理会计。曾任上市公司财务总监，企业董事长。熟悉上市公司财务会计制度，完整经办IPO，2次经办定向增发，全面参与过建设和运营5亿元以上项目4个，10亿元以上重大资产重组项目3个。已发表SSCI和中文核心期刊学术论文10余篇，出版专著2本。

波动率是进一步构建投资组合和风险管理等相关研究的基础，如何提高金融市场波动率的预测精度是国内外学界和实务界广泛探讨的话题。相较于日数据等低频数据而言，日内高频交易数据包含了更丰富的市场信息，很大限度地反映了资产价格的真实波动情况。随着计算机技术的不断发展，金融市场高频交易数据的存储和运用能力日益提升，越来越多的日内高频交易信息被用于研究和实践之中，这为利用高频数据开展波动率相关研究提供了便利。近年来，已实现波动率（Realized Volatility，RV）是如何充分利用金融资产高频交易信息，以便更充分揭示日内交易信息对其波动率影响的代表性理论。该理论避免了传统GARCH模型、SV模型对信息利用的不足，同时兼具计算简便、无偏估计等优点。在此背景下，《股市波动率预测研究》从高频数据视角，借助已实现波动率相关理论对股票市场展开研究。一方面，充分挖掘股票市场“跳跃”“非对称”波动等日内交易信息对已实现波动率进行拟合，并将参数估计的时变特征纳入研究范围，从而构建新颖的具有时变特征的已实现波动率预测模型。另一方面，进一步探讨波动率在风险预测之中的应用，并具体结合极值理论对我国股票市场的风险预测展开实证分析。《股市波动率预测研究》以恒生指数和沪深300指数作为研究样本，分别代表成熟市场和新兴市场，以便分析研究的结果具有稳健性和普适性。波动率的应用研究主要有两方面：基于高频波动率模型及Copula理论详细探讨了“沪港通”实施背景下两市之间的相互关系；探讨了德国股票市场隐含波动率指数和原油市场隐含波动指数，是否含有预测已实现波动率的有用信息。