陈浪南等：股市波动率的短期预测模型和预测精度评价

经过多年来众多学者的大量细致研究，股市波动率的预测模型已有了很大发展，其中Engle提出的ARCH模型以及Taylor提出的随机波动率SV模型是现代经济计量研究的重点。然而，ARCH族模型和随机波动率模型对波动率的预测都存在较大的偏差，均不能直接应用于高频数据。 近几年，用高频时分数据估计波动率即已实现波动率（RV）的方法开始流行。与ARCH族模型和随机波动率模型相比，已实现波动率有两点优势：1）它可以把波动率当作一个观测到的时间序列，解决了ARCH模型和GARCH模型中的“维数灾难”问题；2）与收益平方相比，已实现波动率为积分波动率提供了更加可信的估计。 在考察上证综指（SSEC）日已实现波动率特征的基础上，构建简单的半参数时间序列模型来预测中国股票市场的波动率。新的模型将非负的扰动项和灵活的Box-Cox幂转换很好的结合在一起，很好地解决了经典Box-Cox模型中存在的问题，克服了经典的已实现波动率预测模型需要设定扰动项具体结构以及不能存在异方差的缺陷。模型只涉及两个参数的估计，采用极值估计量的两阶段估计法，通过Monte Carlo模拟，发现这种估计方法的有限样本性质表现良好。因而模型是预测波动率的一个更为灵活和精确的方法。 运用Hansen和Lunde提出的对波动率模型预测能力的SPA检测法，在各种评价标准下（包括4种常用损失函数以及8种稳健的损失函数），考察了已实现波动率的半参数模型、指数平滑模型等7个模型，得到：1）各类预测模型在不同的损失函数下，其预测精度排名次序不尽相同；2）lnRV-ARFIMA模型不能很好地刻画已实现波动率本身的波动特征；3）半参数模型在各种损失函数下，预测精度都很高。实证结果显示，对中国股市而言，已实现波动率的半参数模型是预测精度最高的波动率模型，在各种损失函数下，它比其他6种已实现波动率模型的预测精度要高。