中国股市波动率预测
——基于已实现EGARCH模型和已实现SVL模型的实证比较研究

吴鑫育，王小娜，王海运

（安徽财经大学 金融学院，安徽 蚌埠 233030）

1 研究现状

研究金融资产的波动率对资产组合配置、风险管理与期权定价等都具有重要意义。学者们已经提出各种方法对波动率进行估计和预测，传统上，对金融资产波动率的建模主要基于2类模型：广义自回归条件异方差（GARCH）模型［1］和随机波动率（SV）模型［2］。但是，传统的GARCH模型与SV模型在描述金融市场的波动性时仍存在一定的局限性。大量的实证研究结果表明，资产未来波动率对当前正、负收益率（利好和利空消息）的反应是不对称的：当资产收益率为负时，未来波动率增加的幅度要大于资产收益率为正时的情形。Black［3］和Schwert［4］从杠杆效应的角度解释了这种非对称的波动率特性。随后，文献［5－7］为了研究股票市场中波动率的非对称性（杠杆效应），提出了指数GARCH（EGARCH）模型、GJRGARCH模型和门限GARCH（TGARCH）模型。文献［8－12］发现非对称GARCH模型比标准的GARCH模型具有更好的波动率预测效果。同样的，Yu［13］认为基本的SV模型可能对资产价格序列限制过多，除非考虑了金融杠杆效应的因素，于是将杠杆效应引入到SV模型，构建了杠杆SV（SVL）模型，并利用S＆P500指数进行了实证检验，发现该模型具有更好的样本内拟合效果。Ozturk等［14］通过运用SVL模型，发现选取的所有24只股票都存在显著的杠杆效应，且该模型显著提高了波动率的可预测性。Chen等［15］和Hong等［16］则分别探讨了将杠杆效应纳入SV模型对原油市场波动性建模以及期权定价的重要性。Mao等［17］推导出了捕获金融收益中杠杆效应的一般非对称随机波动模型的统计特性，实证结果表明，相比于传统的SV模型，考虑非对称性的SV模型提供了所选取的标普500指数样本在所有日期中的可靠预测。……