基于高频数据HAR-CVX模型的沪深300指数的预测研究

波动率可以衡量市场风险,对其准确预测在衍生品定价、风险管理和资产配置等方面有重要意义,是政府、资本市场及投资者共同关心的热点问题.本文在介绍了现有典型的各种波动率预测模型的基础上,将表示隐含波动率的市场波动率指数(CVX)作为影响因子引入高频数据HAR模型,构成HAR-CVX模型,该模型既利用了股票交易的高频数据,又利用了期权模拟交易的信息,最大程度地综合了可以利用的信息,所以预测效果更佳.以沪深300指数为研究对象,将几种常用波动率预测模型(GARCH模型、SV模型和HAR模型)与所提出的HARCVX模型进行滚动时间窗口样本外预测,并采用4种损失函数和SPA检验,对这几种模型的预测效果进行了评估,发现基于高频数据的HAR模型表现优于基于日收益率数据的GARCH模型和SV模型,并且加入了隐含波动率的HAR-CVX模型的预测效果更好.