高频视角下股市波动预测的新方法: HAＲFIMA 模型

来源：管理科学学报杂志2020年第11期北京时间：

作者：陈王，魏宇，马锋，梅德祥

单位：陈王,长江师范学院财经学院,魏宇,云南财经大学金融学院,马锋,西南交通大学经济管理学院,梅德祥,重庆工商大学财政金融学院,

摘要：异质自回归(heterogeneous autoregressive，HAＲ) 及其拓展模型(统称为 HAＲ-类模型) 能够刻画不同类型(期限) 交易者的异质性对金融市场未来价格波动的“贡献”程度，在实证研究中备受推崇，并在预测金融市场波动率中取得了较好的效果． 研究发现，HAＲ-类模型虽然能够在一定程度上刻画金融市场中非常重要的长记忆特征，但刻画能力明显比自回归分整移动平均(AＲFIMA) 模型差． HAＲ-类模型的主要优势在于对异质性的刻画，而 AＲFIMA 模型的主要优势在于对长记忆性的准确刻画． 因此，基于这两个模型各自的优势提出了新的模型: 异质自回归分整移动平均(HAＲFIMA) 模型，并对新模型进行了拓展建模，提出 HAＲFIMA-类模型． 将 HAＲFIMA-类模型运用于对标普 500 和上证综指的已实现波动率(ＲV) 的建模和预测发现， HAＲFIMA-类模型能够更加准确地刻画金融市场的长记忆性，更重要的是样本外的预测能力明显优于其他模型，并且预测结果相当稳健．

关键词：异质性; 长记忆特征; 已实现波动率; HAＲFIMA 模型

基金资助：国家自然科学基金资助项目( 71901041; 71671145; 71971191; 71701170 ) ; 教育部人文社会科学规划青年基金资助项目 (17YJC790105) ; 云南省高校科技创新团队资助项目(201914)云南省科技计划基础研究重点资助项目(202001AS070018)