基于HMM和GARCH模型的中国期货市场波动性研究

作者：景楠,吕闪闪,江涛

摘要：期货市场波动性反映了市场的活跃度和流动性,是政府管控市场的重要决策来源,是投资者测量风险、实现资产保值的有利工具。已有研究表明,因加入了对过去时期的预测方差,GARCH模型比ARCH模型更能反映市场数据信息。然而在实际应用中,GARCH模型经常因数据的离散性而无法适应金融市场的结构突变,进而导致波动性预测效果不够理想。为解决上述问题,结合HMM和GARCH模型预测中国期货市场收益率的波动性。通过GARCH模型计算期货的波动率序列;利用K均值法对波动率序列聚类得出观察序列;根据HMM划分波动率的状态,将不同状态对应的收益率代入HMM-GARCH模型,以得到不同状态下的波动率;通过VIX公式计算波动指数,以测量市场的波动性。基于以上逻辑,选用沪深300股指期货作为标的,以2015年5月至2016年4月为样本期,验证模型的有效性。研究结果表明,一方面,HMM-GARCH模型的MAD和MSE两种损失函数值均比GARCH模型的低,表明拟合损失和错误少,可见与GARCH模型相比,HMM-GARCH模型能更好地拟合样本数据并预测市场信号;另一方面,基于HMM-GARCH模型的波动率指数显示,在样本期内沪深300股指期货由前期的小幅频繁波动转为大幅跳跃性波动,此后波动幅度保持较高水平并呈现增长态势,最终继续转为大幅跳跃性波动,与样本期内沪深300股指期货价格的实际波动态势一致。因此,所述HMM-GARCH模型能够较好地测量中国期货市场波动状况,反映期货投资者对未来中国期货市场的预期。同时,能够为政府设置金融衍生品定价提供决策依据,为投资者测量市场风险、择取投机策略、合理配置资产提供客观的量化指标,有助于培养投资者的投资理性,促进中国期货市场的繁荣稳定发展。

发文机构：上海大学悉尼工商学院 哈尔滨工业大学（深圳）经济管理学院

关键词：期货市场波动率隐马尔科夫模型广义自回归条件异方差方法HMM-GARCH模型波动率指数futures market volatilityhidden Markov modelgeneralized autoregressive conditional heteroscedasticity methodHMM-GARCH modelvolatility index

分类号： TP391[自动化与计算机技术—计算机应用技术][自动化与计算机技术—计算机科学与技术]