1、天道酬勤波动理论在我国金融市场风险度量中的实证研究张假设楠【摘 要】为了有效地测度风险，到达躲避风险的目的，论文提出设计波动模型，并对模型参数进行估计，进而通过数据检验模型性能。【Abstract】In order to effectively measure the risk and avoid the risk， this paper proposes to design a volatility model， estimates the model parameters， and then tests the model performance through data.【关键词】波动理
2、论;风险度量;金融市场【Keywords】volatility theory; risk measurement; financial market【中图分类号】F832.5 【文献标志码】A 【文章编号】1673-1069202306-0134-021 选题的意义随着我国金融市场开放程度的不断增加，各种金融产品尤其是金融衍生品层出不穷，很大程度上满足了我国经济开展的需要，为我国的资本市场带来活力，同时，不可防止地也为资本市场带来了前所未有的风险。如何有效地测度风险，从而到达躲避风险的目的，是我国未来金融市场必须面对的考验。由于波动理论在表达金融市场风险的突出优越性，因此，加强波动理论在金融市
3、场风险测度的应用研究具有重要的理论价值和应用价值。在金融市场风险测度实践中，金融市场的风险往往表现出非常复杂、丰富的统计特征，如风险的聚集现象、尖峰厚尾、条件方差时变性、长期记忆性、非对称性等特征，而波动理论恰恰能够将风险的这些生动的特征表达成抽象的模型，这对金融市场的风险管理具有十分重要的意义，也是波动理论经久不衰的原因。2003年，纽约大学的Robert Engle教授正是凭借在金融波动模型領域做出的开创性奉献而获得了世界金融计量经济学家的殊荣。因此，通过波动理论，市场的波动性进行估计及影响因素分析，从而到达测度风险的目的是非常必要而有意义的。2 省内外研究现状述评在国内外金融市场风险测度
4、研究中，基于波动理论进行研究与建模已经成为非常重要的一个领域。特别是近20多年以来，以随机波动模型族为代表的金融波动模型开展迅速，已成为金融市场风险测度、预测、优化的重要分支和前沿领域之一。研究和分析波动理论，无论在政界、业界还是学界均受到广泛重视。在政界，波动理论被当作关键的风险信号用于监控金融市场的风险。在业界，波动理论被作为重要指标用于金融衍生产品定价、金融风险躲避、投资决策等领域;在学界，分析波动现象、构造波动模型、预测波动等均是金融计量研究领域的热点问题。Ruiz1992提出了随机波动模型的伪极大似然估计方法，并对该模型的变种进行了详细阐述，开启了波动理论的广泛应用。Anderson
5、与Srensen1994总结了随机波动模型的参数估计方法，使模型的求解变得简单，加速了波动理论的开展。我国经济学家张世英等2022针对我国金融市场的波动特点，提出了基于小波分析的波动分析方法，并构建平行数据随机波动模型，使我国波动理论研究趋于成熟。魏宇2023基于沪深300指数的高频数据，提出了高频数据下的随机波动模型，并对其风险预测能力进行了实证分析。王鹏等2023提出了时变高阶矩下的随机波动模型，继续推动着随机波动模型的开展。王苏生等2023设计了带有滑动摩擦的随机波动模型，以此反映市场风险的长记忆性，并应用滚动回归方法对参数进行了估计。王博等2023应用波动理论，研究我国金融市场风险对宏
6、观经济波动的影响，并分析金融政策对经济实体的不确定冲击，进一步加速了波动理论在金融市场风险的测度研究。虽然省内外关于波动理论的相关研究很多，但是仍然还存在着诸多缺乏。首先，波动模型缺乏系统性考虑，往往对市场风险的模拟误差很大;其次，对于模型的参数估计算法比拟复杂，许多模型建立起来，但是参数寻找成为难题;最后，波动模型缺少状态转换的相关研究，同宏观经济开展规律相似，金融市场也呈现出繁荣、衰退、萧条、复苏的周期性变化。3 研究的根本思路由于金融市场不同品种之间，价格的波动具有一定的系统关系，且往往呈现出多个阶段的周期性变化。为了更准确地对金融市场风险进行度量，弥补以往波动模型缺乏系统性、状态转换周
7、期性的缺点，克服波动模型参数求解困难，故将本课题的研究分为三局部进行展开。3.1 设计具有状态转换周期特征的波动模型首先，在原有波动理论的根底上，将单纯的马尔科夫依赖转化为历史依赖，将一维持续因子控制扩展为多维持续因子，并参加了综合因子分析，从而更加全面和精细地反映金融市场风险的影响因素，提升模型度量风险的系统性。其次，基于金融市场宏观演化的周期性，融入平滑转换自回归模型，将单一状态扩展为多状态的周期模型，并设定平滑转换的识别技术，从而使波动理论更加能够真实反映市场的具体演变过程，促进风险度量的综合性与系统性。最后，应用时间序列分析方法，对模型进行推演和化简，形成可进一步操作的理论框架，为下一
8、步市场风险的实证分析奠定理论根底。3.2 建立广义卡尔曼方程，极大似然估计及智能优化算法对模型的参数进行综合估计第一，为了躲避市场数据噪声对模型参数估计的影响，克服传统卡尔曼滤波的缺点，采用广义卡尔曼滤波对原始数据进行集中滤噪，获取低频信息。第二，以低频信息为标准，应用逐步回归算法，识别模型的状态转换的时机，将单一状态过程切分成多状态的周期过程。第三，针对每一狀态，分别使用极大似然估计方法，建立极大似然函数，估计持续因子与交叉因子。第四，引入智能优化算法对模型的交叉因子优化，并进行逐步假设检验，深入分析模型的稳定性与鲁棒性。3.3 采集金融市场核心数据，对市场的风险进行实证研究一方面，通过提取
9、某个金融市场主力品种数据，检验具有状态转换周期特征的波动模型与市场的契合度，从波动频度、振幅、依赖性等角度分析对市场风险的影响。另一方面，对金融市场风险进行实证，研究风险的来源、测度以及躲避风险的方法，并对当前金融市场的风险进行科学度量。4 研究方法4.1 应用应用数学研究方法，设计具有状态转换周期特征的波动模型第一，采用时间序列分析方法，将一维随机过程转化为多维随机过程，并引入综合因子，提升模型的系统性;第二，融入平滑转换自回归模型，将单一状态扩展为多状态的周期模型;第三，为了便于参数估计，对模型再次进行演化推导，完成具有状态转换周期特征的波动模型的构建。4.2 应用统计分析研究方法，对模型
10、参数进行估计首先，采用广义卡尔曼滤波方法，对带噪声的数据进行滤波;其次，利用极大似然估计及广义矩估计，对模型参数进行估计;最后，注入参数的逐步假设检验，验证参数估计的可靠性。4.3 应用运筹优化研究方法，改良理论结构与市场的贴近度首先，采用智能优化算法对参数估计进行优化;其次，利用逐步回归算法，对状态转换的时机进行识别;最后，采集各种市场数据及交叉数据，进行市场风险实证研究。5 主要观点根据同一市场不同金融种类的系统性与差异性，且市场的新立总是具有一定滞后性，因此，将一维持续因子控制扩展为多维持续因子，并参加了综合因子分析，设计了具有状态转换周期特征的波动模型，从而能够更加敏锐地反映市场风险的
11、系统特征。同宏观经济走势相似，金融市场也会出现繁荣、衰退、萧条、复苏的周期性变化，故在原有理论框架中，融入平滑转换自回归模型，可以使模型更加符合现实金融市场的真实情况。模型的参数估计是整个课题研究的难点。首先，噪声对参数的估计有重要影响。采用广义卡尔曼滤波方法对市场数据进行清洗、去噪，防止噪声与数据采样的不合理。其次，估计参数的准确性有待进一步优化。应用智能优化对估计参数进行全局寻优。最后，综合因子与持续因子的可靠性与稳健性需要检验。对模型的核心因子逐步假设检验。6 预期价值对于政府及市场监管者来说，金融市场的波动是风险的风向标。应用本模型更迅速更敏锐地识别市场风险、预测市场风险，从而可以提前
12、制定相应的降低风险的方案，提升政府宏观调控金融市场风险的能力。在Markowitz的投资组合理论中，最优投资组合确实定依赖于金融资产的方差和协方差，而投资组合风险值Value at Risk的计算是由金融资产的波动所决定。应用具有状态转换周期特征的波动模型可以很好地预测波动，从而为组合投资提供可靠的风险预测值。在资本资产定价模型CAPM中，资产的期望收益率取决于该资产与市场组合的协方差与市场组合方差的比值。其核心是建立证券收益与风险的关系，揭示证券风险报酬的内部结构，即风险报酬是影响证券收益的各相关因素风险溢价的线性组合，而对风险的度量，主要依靠波动的预测。【参考文献】【1】Taylor S J. Modeling Financial Time SeriesM. Chichester： John Wiley，1986.【2】朱勇生，张世英.平行数据随机波动建模及应用研究J.管理学报，2022，25：513-516.【3】王苏生，王俊博，许桐桐，等.基于ARMA-GARCH-SN模型的沪深300股指期货日内波动率研究与预测J.运筹与管理，2023，427：153-161.【4】王博，李力，郝大鹏.货币政策不确定性、违约风险与宏观经济波动J.经济研究，20233：119-134.
