时间序列模型在金融产品价格预测的效果分析

【摘要】金融市场的波动率对资产定价、组合投资以及风险管理无论是在理论上还是在实践上都是非常重要的。本文选取两种不同的时间序列模型――实际波动率和GARCH模型，对不同的金融产品价格进行预测并分析比较各自的效果。

【关键词】实际波动率 GARCH模型 时间序列

一、引言

时间序列模型在金融研究中的重要性不言而喻，但在运用时间序列模型方面，学者们却有着不同的意见。Torben G.Anderson和Bollerslev（1997）认为，经济学家不能处理日内收益率是由于没有合适的标准时间序列模型来处理高频数据。Melton（1980）指出，在抽样频率足够大的情况下，通过加总高频平方变量的值，可以充分精确的估计一个独立同分布随机变量的方差，并据此首次提出了实际波动率的概念，同时通过二次方差理论证明在适合的条件下，实际波动率是日收益波动率的无偏估计，并使用高频交易数据对外汇交易市场进行了实证分析。康建林、朱开永、周圣武和韩苗（2005）在GARCH模型在中国股票波动预测中的应用中，运用GARCH模型对中国股票进行实证分析，得出了较好的预测结果，表明GARCH模型对股票价格波动分析具有重要的参考价值，同时可以建设性地向投资者提出指导建议。另外，李亚静、朱宏泉、彭育威选取上证30指、上证综指、深成指以及香港恒生指数，他们为认为，GARCH模型与它的延展模型――TGARCH和EGARCH相比，EGARCH模型对上证30指、上证综指和深成指的波动预测由于另外两个模型，而对香港恒生指数的预测，三种模型无明显差异。因此，不同的时间序列模型在对金融产品的价格预测中，到底会体现出怎样的优劣的，本文将对此进行比较。

二、不同的时间序列模型简介

（一）实际波动率

GARCH模型的优点在于：可以用低阶的GARCH模型来代替高阶的ARCH模型，从而使模型更加简便。

二、不同的时间序列模型对金融产品的价格预测

（一）GARCH模型对上证综合指数的预测

利用GARCH模型对2014年2月至4月上证综合指数进行预测，再与同时段的实际股票价格指数进行比较，能够看出GARCH模型的预测结果基本吻合了实际的股票价格波动，呈现出缓慢下降的趋势，说明了GARCH模型对时间序列预测的可行性以及较准确的预测出我国未来股票市场的波动趋势。

（二）GARCH模型对国际原油期汇价格的预测

利用GARCH（1，1）模型对UKWTI原油连续合约ET0Y的价格和方差在2014.4.1―2014.4.11这一时期进行样本内预测和样本外预测，结果表明，对收盘价的预测值误差控制在4.5%以内，对方差的预测误差控制在4%以内；而进行样本外预测时，对收盘价的预测值误差控制在2.5%以内，对方差的预测误差也控制在2.5%以内，基本情况较好。但无论是样本内预测还是样本外预测，GARCH（1，1）模型都难以预测出较大的波动，这可能是由于突发的政治或经济事件造成。

（三）实际波动率对上证综合指数的预测

利用实际波动率对上证综合指数在2014.4.1―2014.4.15的收盘价进行预测，结果表明，其预测值与真实值基本拟合，预测结果较GARCH模型的预测结果更好。

三、结论

在对上证综合指数的预测中，实际波动率选择的样本数据为高频日内收盘价，而GARCH模型选择的样本数据为日内收益的平方，数据采集的频率越高，则理论上与真实值越接近，因此可初步判断实际波动率比GARCH模型具有更高的预测能力。在进一步分析中，我们计算两个模型中预测值与真实值偏差的平方可发现，GARCH模型中预测值与真实值偏差的平方是实际波动率模型的十倍左右，因此，在对上证综合指数的预测中，实际波动率较GARCH模型具有更高的预测能力。另外，在对国际原油期货价格进行预测时，我们可以发现，虽然GARCH模型的拟合较好，但它不能预测出可能是由于突发因素等造成的较大波动，这是GARCH模型的一个缺陷。

参考文献

[1]黄海南，钟伟.GARCH类模型波动率预测评价[J].中国管理科学.2007，（06）：13-19.

[2]魏宇.中国股票市场的最优波动率预测模型研究――基于沪深300指数高频数据的实证分析[J].管理学报.2010，（06）：936-942.

基金项目：防灾科技学院2014年度教研教改项目（JY2014B15）。

作者简介：谢合亮（1982-），男，四川成都人，经济学硕士，防灾科技学院经济管理系讲师；研究方向：计量经济学。