李 荃，唐亚勇

(四川大学，四川 成都 610065)

基于RASV模型和HMC算法的沪深300指数分析

李 荃，唐亚勇

(四川大学，四川 成都 610065)

尝试使用Takahashietal．在2009年提出的RASV模型[1]，对沪深300指数的波动率进行建模分析。在确定模型参数时，使用贝叶斯统计推断，并创新性地使用结合了Gibbs抽样思想的HMC算法来模拟生成参数样本。使用的数据是2016年全年的沪深300指数一分钟高频数据，并对得到的模型参数进行了经济学意义分析。

RASV模型；贝叶斯统计推断；Gibbs抽样思想；HMC算法；沪深300指数波动率分析

一、引言

长期以来，对于波动率的估计一直都是众多研究者所密切关注的问题。由于波动性是金融市场最主要的特征之一，因此对于波动率动态的建模与分析等一系列工作变得日益重要，是进行资产定价、风险管理等金融行为的核心工作。

对于波动率的研究可以追溯到三十多年前，在那些年代，对于波动率的研究主要基于日收益率，比如GARCH模型或者SV模型。近年来，由于计算机技术的发展，日内高频收益率数据的获取变得很容易，因此研究者的目光逐渐转向如何利用日内高频收益率来对波动率进行估计。已实现波动率(Realized Volatility)就是其中一类重要研究方法。然而，由于非交易时间、微观市场噪声等因素的存在，已实现波动率对于真实波动率的估计仍存在一定的偏差，如何纠正这种偏差成为国内外研究者关注的热点问题。Takahashi et al．提出的基于SV模型的RASV模型为解决该问题提供了一种思路，该模型将日收益率和已实现波动率统一在一个模型中进行估计，尝试使用日收益率中蕴含的信息来纠正已实现波动率对真实波动率估计中的偏差。……