改进的多元异质自回归模型在波动择时策略中的应用

论文摘要

随着量化基金和ETF规模在全球市场的不断增加,大型投资组合的量化管理逐渐成为学术研究的热点,其中研究较多的是波动择时策略,其核心思想是根据协方差矩阵动态调整投资组合权重,因此对协方差矩阵的估计和预测十分重要。另一方面,随着高频数据的日益可得性,利用高频数据来建模也成为学术研究的一个热点。在对协方差矩阵进行预测建模时,最常用的是由一维的异质自回归（HAR）模型拓展得到的多元异质自回归模型（MHAR）,这一模型能够有效地捕捉波动的长记忆性。但其对协方差矩阵中所有元素采用相同的系数,无法刻画对角线和非对角线元素的不同性质;其次大量的研究表明,资产收益率对波动的影响具有不对称性,MHAR模型无法刻画这一特质。基于这两点考虑,本文在MHAR模型的基础上进行拓展,首先是提出能够对对角线和非对角线元素分开建模的MHAR-D模型,并与目前已有的DRD模型进行了对比。其次本文在上述三种模型中分别引入门限杠杆、逻辑平滑转移结构以及半协方差估计量来刻画信息不对称效应,并进行了对比。而对于协方差矩阵估计量,则选取了三种能够同时满足对噪声和非同步交易稳健,并且保证正定性的KEM、MRK和MRC估计量。进一步地,本文将三种协方差矩阵估计量分别用于前述模型进行样本外预测,比较在等风险贡献、最小方差和最大离散这三种波动择时策略下的经济产出,并对结果进行了MCS检验。为验证最优模型是否在不同市场情况下都适用,本文将样本外预测区间划分为低波动和高波动区间进行了稳健性检验。实证数据采用上证50指数中20只流动性不同的成分股1秒高频数据。实证研究发现,在中国市场中:（1）本文提出的对对角线和非对角线元素构分开建模的MHAR-D模型优于传统的MHAR模型,而DRD模型则不一定优于MHAR模型;（2）在上述三种基准MHAR模型中合理引入杠杆可以提升投资者的经济效益;（3）引入杠杆后,显著最高的收益率和夏普率出现在MRC-MHAR-D-ST模型中,这进一步说明了MHAR-D模型的优越性,其次说明本文提出的ST杠杆与MHAR-D模型的结合更适用于中国市场。（4）上述结果在各种市场环境下都稳健。而在对不同波动择时策略的比较研究中,则发现在低波动市场中最大离散策略更适用,高波动市场中最小方差策略更适用。

论文目录

• 摘要
• Abstract
• 第一章 绪论
•   1.1 研究目的与意义
•   1.2 文献综述
•     1.2.1 协方差矩阵估计量构建研究
•     1.2.2 协方差矩阵预测模型研究
•     1.2.3 信息不对称的研究
•     1.2.4 资产组合研究
•   1.3 创新点
•   1.4 文章结构
• 第二章 模型构建
•   2.1 协方差矩阵估计量
•     2.1.1 MRC估计量
•     2.1.2 MRK估计量
•     2.1.3 KEM估计量
•     2.1.4 已实现半协方差
•   2.2 协方差矩阵变换
•     2.2.1 乔列斯基分解
•     2.2.2 矩阵对数变换
•   2.3 协方差矩阵预测模型
•     2.3.1 多元异质自回归（MHAR）模型
•     2.3.2 对角线和非对角线分离建模
•     2.3.3 加入杠杆效应的模型
•   2.4 波动择时策略构建
•   2.5 统计检验方法
•     2.5.1 DM检验
•     2.5.2 MCS检验
• 第三章 实证研究
•   3.1 数据说明
•   3.2 描述性统计
•     3.2.1 个股数据缺失率统计
•     3.2.2 协方差矩阵估计量统计
•     3.2.3 协方差矩阵的自相关性
•     3.2.4 杠杆效应
•   3.3 全样本拟合结果
•     3.3.1 参数估计结果
•     3.3.2 样本内拟合误差
• 第四章 样本外波动择时策略评价
•   4.1 对角线和非对角分开建模比较
•   4.2 MHAR加杠杆的结果
•   4.3 MHAR-D加杠杆的结果
•   4.4 DRD加杠杆的结果
•   4.5 杠杆效应部分整体对比
•   4.6 稳健性检验
•     4.6.1 低波动下结果
•     4.6.2 高波动下结果
•   4.7 策略建议
• 第五章 总结
• 参考文献
• 致谢

文章来源

类型: 硕士论文

作者: 张壹

导师: 瞿慧

关键词: 多元异质自回归模型,波动择时,信息不对称效应,高频数据,协方差矩阵

来源: 南京大学

年度: 2019

分类: 基础科学,经济与管理科学

专业: 数学,宏观经济管理与可持续发展,金融,证券,投资

单位: 南京大学

分类号: F832.51;F224

总页数: 76

文件大小: 4076K

下载量: 83