不同抽样频率下创业板指数波动的测度

杨建辉，鲁旭芬

0 引言

正确度量创业板的投资风险对投资者无疑具有重要意义。波动率是金融资产风险研究的起点和基础。波动率指关于资产未来价格的不确定性的度量。根据信心提取的时间顺序，传统的波动率测度主要采用两种指标，隐含波动率和历史波动率。传统历史波动率的方法主要有GARCH类模型和随机波动模型[1]。GARCH类模型采用改变的条件方差来捕捉价格波动的时变性和序列相关性，随机波动模型假定时变方差遵循某种不可观测的随机过程，并不依赖于过去的观测值。近年来受益于计算机等技术的发展，高频数据变得容易获得。高频数据是相对于日间或者更长时间间隔的数据而言，主要针对以小时、分钟或秒为采集频率的数据。高频数据比低频数据包含了更丰富的日内收益波动、微观市场噪声等信息，因此在金融研究领域备受关注。

Anderson和Bollerslev[2]提出了一种全新的波动率测度方法，在高频时间序列下构造了经典的已实现波动率（realized volatility,RV），把一段时间内收益率的平方和作为波动率的估计。相比传统低频领域的条件异方差模型和随机波动模型，已实现波动不需要模型及参数估计，而且计算简单。在已实现波动的基础上学者又提出了已实现波动的改进方法。徐正国和张世英[3]针对调整“已实现”波动的长记忆性和“杠杠”效应建立ARFIMAX模型，通过设定一系列标准,全面比较基于调整“已实现”波动的ARFIMAX模型、GARCH模型以及SV模型的预测能力。……