联跳的非参数检验及其在HAR预测模型中的应用.doc

摘要:高频数据借着互联网时代的浪潮，变得更加容易获取。本文基于沪深300股指和股指期货的高频数据，估计日波动率（RV)，并对已实现的协方差建立HAR模型，检验市场的异质性。通过数据分析得出我国的股票市场相对来说还是比较完善的，大多数的股民都比较重视金融证券所代表的实际价值和各公司的发展潜力。

    另一方面，因为联跳多由宏观新闻公告和政策制度等一系列发布引起的，这些信息将会被吸收并体现在协方差矩阵里，因此利用S-BNS的方法（序列剥离）来识别日内跳跃和联跳。将代表联跳的因子加入到HAR-RV预测模型里，构建出新的HAR-RV-JCov模型，研究其对波动率的影响。同时得出联跳因子的加入对波动率预测模型有正向的影响，使得波动率预测模型拟合优度增加。

关键词：高频数据；已实现波动率；HAR模型；共同跳跃

目录

摘要

Abstract

1 课题研究背景-1

2 理论综述-2

2.1 已实现波动率-2

2.2 异质市场假说-2

2.3  HAR模型-3

2.4 跳跃和联跳-5

3 样本数据及描述性统计-8

3.1 样本数据描述-8

3.2 已实现波动率的估计-8

4 实证结果-9

4.1 已实现波动率估计结果-9

4.2 HAR-RV模型的建立-11

4.3 共同跳跃的检验以及在HAR-RV-JCov模型的建立-12

结论-16

参考文献-17

致谢-18