金融高频数据跳跃波动研究 ——基于大数据核函数支持向量机的方法

摘要：

高频数据价格波动率具有明显的长记忆性特征和"尖峰厚尾"现象,运用沪深300指数5分钟高频数据,通过已实现波动率和已实现双幂次变差对资产价格的连续性波动和跳跃波动进行建模,得到进行波动率短期预测的HAR-RV模型、HAR-lnRV模型及HAR-JV-CV模型.将预测效果较好的模型与不同核函数下的支持向量机相结合,结果表明:不同核函数之间存在较大的相似性;将跳跃波动预测模型与支持向量机相结合能够提高模型的短期预测精度.波动率的预测对于政府监管部门、投资者和资本市场来说均具有重要意义.

关键词：已实现波动率、HAR-lnRV模型、支持向量机、短期预测、核函数

所属期刊栏目：33

分类号：F224;F830(经济计算、经济数学方法)

资助基金：国家自然科学基金资助项目《带Lévy跳的多因子市道轮换框架下的仿射利率结构模型》71471075;教育部人文社会科学研究一般项目《基于市道轮换框架下带Lévy跳的高频数据的波动率》14YJAZH052;中央高校基本科研业务费专项资金项目"暨南跨越计划"《PMCMC算法在市道轮换框架下利率结构模型中的应用》15JNKY003

在线出版日期：2018-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：23-30