基于EEMD 与HAR-RV 模型的已实现波动率研究

（上海理工大学 管理学院，上海 200093）

0 引言

金融市场中波动率的估计与预测问题一直以来都是金融计量领域的研究热点。自从已实现波动率（Realized Volatility，RV）概念被提出后，Andersen 等［1］首次提出使用高频数据作为一种全新的波动率度量方法。同时，许多金融学者在研究中发现，相较于传统以日、周、月、年等为采集频率的低频数据，高频数据能够持续反映股票市场的信息，并且在频率达到一定水平后，甚至能够反映连续的信息。因此，高频数据在降低信息丢失率的同时，能更有效地反映股票市场中股指价格波动的内在规律。但由于受到技术水平的限制，对于高频数据的收集十分困难，大多数学者仍使用低频数据进行研究。

近年来，随着科技和互联网的迅猛发展，有效降低了高频数据的记录与储存成本。因此，基于高频数据波动率的测量再次在学术界引起了广泛关注。随着已实现波动率理论的逐渐完善，研究者们发现已实现波动率具有尖峰厚尾，且右偏的特征，并且存在长记忆性，表明有效市场假说是失效的。为进一步解释已实现波动率的长记忆性，Andersen 等［2］首先提出了ARFIMA-RV 模型；Corsi［3］通过进一步研究简化了模型估计的复杂度，提出HAR-RV 模型；Mastro［4］分别用ARCH 族模型和HAR-RV 模型对SPX、UKX、DAX、NKY 全球4 个主要的股票指数预测波动率及实际波动率进行样本内与样本外的比较，发现HARRV 模型优于ARCH 族模型；Ma 等［5］比较分析了多重分形波动率模型和HAR-RV 模型的预测效果，发现HAR-RV模型具有更高的预测精度。由于HAR-RV 模型具有较强的可拓展性和明确的经济含义，因而逐渐成为了预测已实现波动率的基准模型。……