HAR-CJ與MIDAS-CJ模型預測波動度之研究

Abstract

預測波動度對於衍生性商品定價、資產配置、風險管理以及套利都是非常重要的議題。ARCH以及GARCH衍生出的各種預測波動度模型也廣泛的被使用。最近的研究顯示，對於預測波動度來說高頻率(5min)的資料比日資料能提供更多資訊。Corsi(2004)提出了heterogeneous autoregressive (HAR)預測模型、Ghysels, Santa-Clara, Valkanov (2006)則提出mixed data sampling (MIDAS) 預測模型。之前的研究顯示HAR與MIDAS比ARCH跟GARCH有更高的解釋能力。近年來，使用無母術方法將波動度分離成連續以及跳躍的不同部分，更加強了模型的解釋能力。我們將使用Andersen,Bollerslev和Diebold(2005)的RV與Christensen和Podolskij(2007)的RRV兩種分離連續與跳躍的方法。並加入HAR與MIDAS模型中一起比較HAR-RV-CJ、HAR-RRV-CJ、MIDAS-RV-CJ與MIDAS-RRV-CJ模型的預測能力。 關鍵字：HAR