国泰君安-学界纵横系列之三十八：基于波动率分解的高频波动率预测模型-220422

《国泰君安-学界纵横系列之三十八：基于波动率分解的高频波动率预测模型-220422（13页）.pdf》由会员分享，可在线阅读，更多相关《国泰君安-学界纵横系列之三十八：基于波动率分解的高频波动率预测模型-220422（13页）.pdf（13页精品完整版）》请在悟空智库报告文库上搜索。

传统模型对高频率波动率预测效果存在局限性。

而在实践中，在高频策略、算法交易上都依赖对日内短周期波动率的精确预测。

另一方面，期权等衍生品的日内定价也有赖于高频波动率的预测，基于低频数据的波动率预测难以满足衍生品市场发展的需求。

《ForecastingintradayvolatilityintheUSequitymarket.MultiplicativecomponentGARCH》介绍了一种预测高频波动率的方法，该方法将日内高频波动率拆分为日度波动率、日内趋势项、日内随机项，并使用两步估计的方法进行估计和预测。

文章的主要结论：（1）文章认为日内高频波动率由上述三部分决定，按照这三项进行分解可以有效提高日内高频波动率的预测准确度；（2）扩充样本数据可以提高模型参数估计的稳定性，相比于对每个股票分别建模，使用相似特征的股票联合估计参数具有更高的预测准确度和稳定性。

我们以上证50ETF分钟频率高频交易数据为基础，借鉴文章的波动率分解模型对国内市场进行实证研究。

结果显示，模型在预测结果的有效性上表现优于不含随机项的NSTOCH模型以及直接对高频数据使用GARCH模型，一定程度上验证了波动率分解模型在国内市场的有效性。