本文是一篇金融论文，金融学（Finance）论文是从经济学中分化出来的应用经济学科，是以融通货币和货币资金的经济活动为研究对象，具体研究个人、机构、政府如何获取、支出以及管理资金以及其他金融资产的学科。（以上内容来自百度百科）今天为大家推荐一篇金融论文，供大家参考。
第一章 绪论
第一节 研究背景与研究意义
资产收益率预测一直是金融学研究中的一个重点课题，在各大银行、证券、基金的实际工作中，准确的预测收益率是金融从业人员追求的目标之一。从现有的研究来看，众多学术界和业界从业人员都尝试利用不同的方法来预测标的资产的收益率，包括基本面分析、非参数估计、神经网络等各种方法。从现有的学术研究和实际工作来看，对收益率预测具有切实的理论意义和实践意义。在理论研究方面，部分学者认为根据“有效市场假说”，无法利用公开的信息获取超额收益率，但另一部分学者认为现实金融市场并非是有效市场，可以通过相关的策略获得超额收益，因此是否能够对收益率进行预测可以作为学术界中市场是否有效的判断标准之一；在实践方面，比如证券公司、基金公司的投资经理等，企图通过各种策略来获得超额收益率，满足投资者收益最大化的要求。在现代金融经济学的研究中，波动率是一个非常重要的变量，它被广泛应用于投资、定价、风控和货币政策的制定中。因此在最近 20 年中，许多学者和业内人士利用不同的模型、采用不同的方法，对波动率做出了不同的估计和预测，得到了不同的结论。而众多模型的存在，也说明其各有各的特点。从现有的研究来看，从不同的方面研究波动率通常会得到不同的结论，这本身也说明了各类模型都存在不同的优缺点。对于实业界而言，波动率的估计和预测直接关系到构建投资组合效果的优劣，对风险管理的效果具有直接的决定作用，所以研究波动率一直是学术界和实业界的一个重点课题。从现有的关于波动率提取方面的研究来看，波动率主要来源于标的资产或其衍生品的价格中，它与标的资产的走势之间具有天然的联系。因此，我们不难想到通过波动率来对资产价格进行预测。目前也有不少文献利用波动率来预测资产价格的走势。但从现有的研究来看，波动率的估计和预测方法多样，学者们提出了不同的模型和方法来估计波动率。
..........
第二节 研究内容与研究框架
一、研究内容
从本文的标题可以看出，本文主要做的是股票指数的波动率对基金收益率的预测效果，所以本文的研究内容主要分为两部分：一是波动率的估计。波动率估计是本文的核心内容，本文以上证 50ETF 指数为样本，利用上证 50ETF 指数的日数据，采用随机波动率模型的方法，估计上证50ETF 的波动率；利用上证 50ETF 指数的日内 5 分钟价格数据，采用已实现波动率估计方法，估计上证 50ETF 的波动率；利用上证 50ETF 期权价格数据，估计上证 50ETF 的无模型隐含波动率。从波动率估计这部分内容来看，本文所需要做的内容详实。首先，本文需要 3 种不同的样本数据，分别为上证 50ETF 的低频率的日收益率、日内 5 分钟高频收益率、以及上证 50ETF 期权的价格；其次，要分别利用随机波动率、已实现波动率以及无模型隐含波动率来估计波动率。二是利用波动率对收益率进行预测。预测方法分别是一元回归模型法以及状态空间模型法。一元回归模型是一种常见的预测方法，它具有简单高效的特点，但是它假设在整个预测期限内参数是恒定不变的，这与现实情况就会产生一定的背离；状态空间模型则是一种时变参数的方法，它认为每一个参数都有自己的状态空间，在不同状态空间中，参数的值是不一致的，这就实现了参数的时变性。状态空间模型更有利于贴合实际情况，但是相对于一元回归模型而言，它显得更加复杂。本文将研究利用复杂的状态空间模型是否有利于改善预测效果。第二，本文将研究波动率对不同期限收益率的预测效果是否有什么变化。本文将利用随机波动率、已实现波动率以及无模型隐含波动率分别对日收益率、周收益率以及月收益率进行预测，观察不同的波动率估计方法得到的波动率对不同期限结构的收益率是否有着不同的预测效果。
.........
第二章 文献综述
在金融学的研究中，波动率一直是学者们孜孜以求的一个重要研究方向。简单来看，波动率被定义为资产价格的标准差，波动率越高，说明资产价格越不稳定，所蕴含的风险越高。从波动率的估计方法来看，可以分为以下几种方法：（1）历史标准差方法，即利用历史一段时间（如一个月）收益率的标准差作为波动率的代表；（2）利用 GARCH 模型或者 SV 模型等异方差模型，从标的资产的历史时间序列中估计波动率；（3）利用日内高频数据为样本，采用已实现波动率方法估计波动率；（4）利用期权价格中的隐含信息，基于模型和无模型方法从期权价格中反解波动率。近二十年来，随着金融工程和计算机的发展，波动率研究成果日益丰富，并取得了很多有意义的成果。本文将基于随机波动率、已实现波动率、隐含波动率展开研究，所以将对这三方面的波动率估计方法的现有研究成果进行总结。
第一节 波动率的国内外研究现状
Bollerslev 在 1986 年提出著名的 GARCH 模型，由此开辟了利用条件异方差模型来研究波动率的新途径。在基础的 GARCH-Normal 模型的基础上，国内外众多学者对基本的 GARCH 模型进行了修正。如 Beran（1995）、Baillie（1996）、Anh等（1999）、Robinson（2003）对基本的 GARCH 模型进行修正，研究了波动率的长记忆性；Engle 和 Manganelli（2004）的研究发现波动率具有均值回复的特征；Christie（1982）、Glosten 等（1993）对波动率的非对称性展开了深入的研究。但是通过观察 GARCH 模型可以看出，它假设当期波动率与下一期波动率之间存在一个函数关系。但是，众多研究表明，波动率具有随机性，所以利用函数关系来刻画波动率的变化并不是一个最优选择，所以学者们将随机过程引入当期波动率与下一期波动率之间的关系中，构建出了随机波动率模型（SV 模型）。关于随机波动率模型的基础研究成果主要有Melino和Turnbul（l1990）、Taylo（r1994）、Harvey等（1994）。但是随着研究的深入，越来越多的学者发现基本的随机波动率模型无法满足研究的需要，所以众多学者在基本的 SV-N 模型的基础上对随机波动率模型进行了各种修正：Harveryl（2002）、Kang 和 Yoon（2007）、Mesters 等（2016）针对波动率的长记忆性提出了长记忆随机波动率模型（LMSV）；Yu（2005）、Ruiz和 Veiga（2008）、 ztürk 和 Stengos（2017）研究了含杠杆效应的随机波动率模型；Schaller 和 Norden（1997）、Gorynin 等（2016）利用马尔科夫转换研究了变结构下的随机波动率模型的建模和应用。国内方面，关于随机波动率模型的研究也不在少数：苏卫东等（2004）、王春峰等（2008）、郑艺（2014）利用长记忆随机波动率模型研究了中国股票市场的波动率估计问题；王宜峰（2012）、姬新龙和周孝华（2014）将马尔科夫转换引入随机波动率模型中，研究了两种经济状态下的套期保值及风险管理问题。
..........
第二节 收益率预测的国内外研究现状
收益率的预测一直是一个比较经典的研究领域，在这个领域国内外学者做了大量的研究工作。从国外的研究来看，对收益率预测方面的研究由来已久：Lucas 和 Mcdonald（1990）提出了一个信息论、无限视野的股票发行决策模型。该模型可以有效的对股票的发行时间以及发行价格进行预测；Brennan 和 Hughes（1991）的研究发现分析师研究的关注度对股票价格之间具有相关性，公司后面的分析师数量与股票价格成反比，主要是因为公司的股价越低，越能够吸引分析师对它的关注。Aras和 Yilmaz（2008）利用多元回归的方法，以市盈率、股息收益率和市值账面比率作为解释变量，来预测 12 个新兴股票市场股价的收益率，结果发现市值账面比率在预测一年期股票回报率方面有显著的结果，股息收益率排在第二位。Campbell和 Thompson（2008）利用股息率、每股收益率、市盈率、账面市值比率、净资产收益率等 12 个指标来研究股票市场月收益率以及年度收益率的样本内和样本外的预测效果，通过研究发现，利用以上指标进行回归预测的效果优于利用历史超额收益率作为解释变量的预测效果。Phan 等（2015）利用石油价格对股票市场收益率进行预测，结果发现油价可以作为股市收益率的预测因子，相对于其他行业而言，石油价格对股市收益率的预测更加有效，其样本数据的频率对预测效果具有较大的影响，收益预测性与账面市值比率、股息收益率、规模、市盈率等指标具有显著关系。Dangl 和 Halling（2012）利用时变系数模型对标普 500 指数收益率进行预测，结果发现利用时变系数模型所取得的预测效果要优于利用常系数模型取得的预测效果。在利用波动率对收益率预测方面，国外同样存在大量的研究文献：Lin（2015）利用 GARCH 模型研究了亚太地区波动率对收益率的预测效果，结果发现在新加坡市场，基于 GARCH 模型的预测效果最优。Maheu 和 Mccurdy（2011）研究了基于高频数据的已实现波动率对 S&P500 和 IBM 股票价格收益率的预测效果，通过对比发现，基于高频数据的已实现波动率对股价收益率的预测效果要优于EGARCH 模型。Yan（2011）研究了隐含波动率与股价收益率之间的预测关系，结果发现，由于跳跃风险的存在，隐含波动率存在偏斜，使得隐含波动率与收益率之间存在负的预测关系。Kambouroudis 等（2016）利用 GARCH 模型、已实现波动率以及隐含波动率对收益率的预测，文章利用不同的自回归模型，检验了隐含波动率预测是否包含了未来波动的信息，超越了 GARCH 和已实现波动率模型。结果表明，隐含波动率遵循可预测的模式，并确认隐含波动率与指数收益之间存在同期关系。单个隐含波动率比替代预测表现较差，然而，通过非对称 ARMA 模型将非对称 GARCH 模型与隐含的和已实现的波动率相结合的模型是预测波动率的首选模型。#p#分页标题#e#
..........
第三章 波动率及状态空间模型的理论基础............... 14
第一节 波动率估计方法分类..... 14
第二节 波动率的基础理论......... 16
第三节 状态空间模型理论基础.............. 22
第四章 波动率对指数基金的预测效果实证分析....... 26
第一节 数据的选择与处理......... 26
第二节 波动率的提取结果......... 32
第三节 指数波动率对指数收益率的预测效果................ 36
第五章 结论............... 45
第四章 波动率对指数基金的预测效果实证分析
本章是全文的实证分析部分，主要任务是利用上证 50ETF 指数的日收益率、日内 5 分钟高频收益率以及上证 50ETF 期权价格计算出随机波动率、已实现波动率以及无模型隐含波动率，再分别利用一元回归模型和基于状态空间模型的时变参数回归模型，以波动率为自变量，对上证 50ETF 基金的日收益率、周收益率以及月收益率进行预测，对比其预测效果。主要内容包括：数据的选择与处理；随机波动率、已实现波动率以及无模型隐含波动率的估计结果；基于一元回归模型的预测结果；基于时变参数回归模型的预测结果。
第一节 数据的选择与处理
随机波动率模型是利用上证 50ETF 指数日收盘价为样本进行分析，具体的数据选择与处理过程如下：选择样本：上证 50ETF（510050.SH）；样本区间：2015 年 5 月 31 日至 2017 年 6 月 27 日；数据处理：选择样本区间内上证 50ETF 的收盘价为研究对象；去除“熔断”期间的数据；以日为单位，求出每日的对数收益率。图 4-1 和图 4-2 报告了上证50ETF 的价格序列和收益率序列。从图 4-1 可以看出，从 2015 年 6 月起，由于“股灾”的影响，中国股票价格发生了较大的下滑，同时，上证 50ETF 的价格也下跌剧烈，上证 50ETF 的收益率变化较为显著。为了能够直接利用上证 50ETF 的价格进行建模分析，需要对上证50ETF 收益率的统计性质以及平稳性进行检验。表 4-1 和表 4-2 报告了上证 50ETF的统计性质和平稳性，图 4-3 是上证 50ETF 统计性质图。
.........
结论
本文研究了不同波动率估计方法得到的波动率对上证 50ETF 基金收益率的预测效果，从研究内容看，本文的主要工作是：第一，本文利用正态随机波动率模型、已实现波动率方法以及无模型隐含波动率方法分别基于上证 50ETF 指数的日收益率、5 分钟高频收益率以及上证 50ETF期权价格估计出随机波动率、已实现波动率以及无模型隐含波动率，从走势上可以看出，三种波动率估计方法得到的波动率具有较为一致的走势，具有比较高的相关性。第二，本文利用一元回归以及状态空间模型的方法实证分析上证 50ETF 指数波动率对收益率的预测能力。在预测中，本文考虑了收益率的期限结构效应，分别研究了波动率对日收益、周收益率以及月收益率的预测效果。从实证结果可以看出：首先，三种波动率对较长期限的收益率有着较好的预测效果，对短期收益率的预测效果较弱；其次，总体来看，随机波动率的预测效果最优，无模型隐含波动率的预测效果次之，已实现波动率的预测效果最差；最后，从预测模型来看，基于状态空间模型的时变参数预测模型对收益率的预测效果要明显优于常系数的单变量回归模型。总的来说，本文主要是基于前人的研究基础做出更进一步的探究，运用了多种波动率估计方法以及预测方法来研究不同期限的收益率的预测效果。虽然本文的研究取得了一些有益的结论，但未来，我们可以从以下几个方面进一步分析。首先，考虑对随机波动率模型进行修正，使得随机波动率模型更加符合现实，降低随机波动率模型的模型风险。比如，可以研究偏斜分布下的随机波动率模型，研究状态转换下随机波动率模型的预测效果等；其次，考虑隔夜波动率对已实现波动率的影响，进一步分析波动率的隔夜效应对指数收益率的预测能力；最后，拓展多维渠道，研究波动率的应用。本文仅仅研究了波动率在指数收益率预测方法的应用，未来可以进一步研究波动率在资产定价、风险管理中的应用，综合考虑不同波动率估计方法的优劣。
..........
参考文献（略）
