高频信息、隐含波动率跳跃信息与股市波动率预测

高频信息、隐含波动率跳跃信息与股市波动率预测

杜智渊 韩雪 吴国芳 韩园园

（安徽财经大学国际经济贸易学院  安徽 蚌埠  233000）

摘要：波动率对期权定价、投资组合配置以及风险管理等方面有着重要影响，所以对波动率建模和预测十分重要。众多研究表明，引入高频信息可以提高波动率估计的精确性，同时也有研究表明，期权隐含波动率包含前瞻性信息，可以提高波动率预测准确性。特别地，研究表明，隐含波动率跳跃所隐含的信息相比于隐含波动率本身所隐含的信息更能帮助波动率预测。鉴于此，本项目同时考虑高频信息和隐含波动率跳跃信息，对股市波动率进行建模和预测。具体地，首先，采用GARCH-jump模型对隐含波动率进行建模，提取隐含波动率跳跃信息。然后，构造带隐含波动率跳跃的REGARCH（REGARCH-JI）模型，对股市波动率进行建模和预测。最后，采用中国股市的实际市场数据进行实证研究，探讨高频信息与隐含波动率跳跃信息对于波动率预测的作用。因此，本项目研究对于精确预测波动率具有重要理论意义，对投资者、研究人员及政府管理人员具有重要现实意义和理论依据。

关键词：高频信息；期权定价；REGARCH 模型；股市波动率

一、引言

波动率作为金融市场的重要变量，主要用于衡量金融资产的价格波动。金融资产的合理波动能够在一定程度上提高市场的活力，有利于促进资金的流通和资源的合理配置；与之相对地，重大事件引起的剧烈波动则会对稳定的市场秩序带来挑战，增加市场参与者的交易风险[1]。例如，新冠疫情、乌克兰战争、美联储连续加息和突发的大规模自然灾害等都会引起市场剧烈波动。由此可见，金融市场会受到来自各方干扰产生波动。

二、股市波动率高频信息相关研究

基于以上分析，本项目同时考虑高频信息和隐含波动率跳跃信息，对股市波动率进行建模和预测。具体地，首先，采用GARCH-jump模型对隐含波动率进行建模，提取隐含波动率跳跃信息。然后，构造带隐含波动率跳跃的REGARCH（REGARCH-JI）模型，对股市波动率进行建模和预测。本项目模型可以用极大似然方法进行参数估计，具有易于实现的优点。为了验证本项目所构建的REGARCH-JI模型的优越性，首先，采用上证50ETF期权及其隐含波动率进行实证分析。其次，对GARCH模型、EGARCH模型、REGARCH模型、REGARCH-VIX模型、HAR-RV-JI模型、HAR-CJ-IV模型和REGARCH-JI模型进行比较，得出它们的样本内拟合效果和样本外波动率预测效果。进而探讨高频信息与隐含波动率跳跃信息对于波动率预测的作用。本文研究对于精确预测波动率具有重要理论意义，对投资者、研究人员及政府管理人员具有重要现实意义和理论依据。

三、考虑高频信息的波动率模型

在波动率建模和预测方面，其中，最常见的是GARCH族模型，此类模型能够很好地刻画资产收益率异方差性和波动聚集性。但其收益率数据仅仅利用了收盘价信息而忽略了日内价格变动，造成日内信息的遗漏，未能充分利用高频信息。近年来，随着计算机与电子信息技术的发展，使得数据的收集能力得到了增强，高频数据越来越容易获得。于是，许多学者使用高频数据来构建已实现测度，增强了波动率估计的准确性。

四、带隐含波动率的波动率模型

特别地，近期有研究将隐含波动率与隐含波动率跳跃信息对波动率预测的精准程度进行比较，实证发现隐含波动率跳跃信息对波动率预测更有帮助。Dutta（2022）在HAR-RV[2]模型基础上，引入隐含波动率跳跃，研究发现，隐含波动率跳跃对标准普尔500指数的已实现波动率预测有积极影响，并且带隐含波动率跳跃的HAR-RV（HAR-RV-JI）模型比现有HAR-RV类模型产生更精准的波动率预测，且这些结果适用于短期、中期和长期波动性成分。但是该模型没有考虑市场微观结构噪声。

五、研究方法

本文首先，采用GARCH-jump模型[3]对隐含波动率进行建模，提取隐含波动率跳跃强度。然后，构造带隐含波动率跳跃的REGARCH（REGARCH-JI）模型，对股市波动率进行建模和预测。最后，采用中国股市的实际市场数据进行实证研究，第一，克服了传统的GARCH族模型的不足，本文既充分利用了资产收益的高频信息，又考虑了期权隐含的前瞻性信息。第二，虽有研究以HAR模型作为基准模型，同时考虑了高频信息和隐含波动率跳跃信息，但是该类模型忽略了市场微观结构噪声，本文构建模型克服了这一缺点。目前还没有研究将含有前瞻性信息的隐含波动率跳跃引入REGARCH基础模型中，本文可以填补这一研究空白。第三，由于波动率在资产投资组合配置、期权定价和风险管理中的重要性，本文研究对金融市场其他研究方向具有可借鉴性。

六、结论

有关波动率的建模与预测的相关研究一直是金融领域最为活跃的研究内容之一，研究人员一直致力于更加准确地描述波动率特征，更加精准地预测波动率。因此，该项目研究具有十分重要的理论意义和现实意义。

参考文献：

[1]Hansen P R, Huang Z, Shek H H. Realized GARCH: a joint model for returns and realized measures of volatility[J]. Journal of Applied Econometrics, 2012, 27(6): 877-906.

[2]Liu Zhi. Testing for the Presence of the Leverage Effect without Estimation[J]. Mathematics,2022,10(14).

[3]蔡光辉,徐君,应雪海. 非对称厚尾分布的混频Realized GARCH模型构建[J]. 统计与决策,2021,37(02):130-135.

[4]刘天权,王一鸣,闫昱,潘水洋. 基于高频数据的期权价格信息含量研究[J]. 上海金融,2022,(03):2-15.

杜智渊（2003-），男，汉族，新疆博乐人，本科生，安徽财经大学国际经济贸易学院国际经济与贸易专业。17375257817基金项目：安徽省大学生创新创业项目——《高频信息、隐含波动率跳跃信息与股市波动率预测》；项目编号：S202410378500