数据驱动下多类金融资产波动率预测及其应用研究

• 作 者: 龚学
• 出 处: 龚学
• 发表日期: 2020年01期

波动率度量金融资产风险大小,准确测量波动率对市场参与者进行资产定价、投资组合、套期保值和风险管理都具有重要意义。当前,人工智能和大数据的发展与革新给传统金融预测问题带来新挑战,新冠肺炎疫情等突发事件的复杂变化正悄然改变全球经济格局,金融市场的不稳定性正因此日益加剧。在此双重背景下,研究如何有效刻画投资者在复杂金融环境中的行为特征及建立其与金融风险的联系,可以进一步理解投资者在金融市场运行机制中充当的角色。研究如何有效挖掘金融大数据中价值信息,可以提升金融资产价格波动性的预测准确度。研究如何有效利用外部信息与资产波动率关系以提高风险管理水平,可以维护和促进金融稳定。针对国内外多类金融资产,综合运用文本情绪分析、机器学习模型、数据驱动预测技术、套期保值模型和风险传染模型等理论方法,本文围绕金融资产波动率预测及其应用问题展开研究。具体而言,本文从投资者行为特征刻画及其对市场波动率的预测影响角度、从考虑多类别因子背景下波动率预测方法创新角度、以及从研究成果在套期保值和风险传染中的应用角度等三个方面进行广泛而深入的研究。主要研究工作及创新之处总结如下:第一,利用数据驱动技术挖掘市场内外有效信息,构建新的投资者行为测度,研究投资者行为对金融资产波动率的预测影响。首先,利用基于有监督学习技术的偏最小二乘方法,提出了符合中国市场特征的投资者情绪指数,发现其比现有市场类情绪指数更能有效的反映我国股票市场波动率动态。计量模型结果表明,对比现有情绪测度,所构建的情绪指数对未来市场波动率具有显著更优且稳健的解释力。其次,根据波动率特征提出和构建了新的能源期货波动率技术指标。利用改进的条件确定独立筛选方法,研究了技术指标对国际原油和天然气期货高频波动率的预测力。结果表明,所构建的技术指标具有显著的样本内和样本外预测力,相比于经典的数据驱动方法,改进的方法能更有效提取技术指标的预测信息,并显著提升样本外预测能力,结果具有稳健性。最后,利用来源于市场层面、投资者层面和政策层面的不确定性,基于数据驱动的缩放权重主成分分析方法提出了一种相对固定的全球性综合不确定指数。该指数能有效且显著的预测全球23个证券市场波动率,样本外预测表现显著优于经典的降维方法,本文进一步揭示了其优越性的成因。第二,利用数据挖掘和文本分析方法,构建了中国市场的文本情绪指数,研究了其对股市波动率的预测机制。通过网络爬虫技术爬取雪球投资者论坛股市分析文章作文文本来源,并创建兼具平台特征、金融特性和用户习惯的情绪词典,基于词典的方法构建了中国市场考虑投资者记忆的文本情绪指数。分别利用线性和非线性因果分析,本文发现,与发达市场线性影响渠道不同,文本情绪对我国股票市场波动率预测影响呈现显著的非线性特点。进一步,长短期记忆网络模型能有效提取文本情绪的非线性预测力并显著改善股票市场波动率预测效果。且结果表明,悲观的文本情绪具有更强的预测力,文本情绪在金融危机时期仅仅对短期波动率具有显著影响。第三,研究考虑多类别因子的波动率预测方法创新问题。基于金融大数据背景,利用金融市场内外具有潜在预测力的86个波动率变量模拟金融系统复杂性,采用潜在预测变量具有经济意义的可决系数和具有统计意义的t统计量为权重,提出新的预测组合方法。结果表明,相比于现有经典的预测组合模型,所提出的方法能更适应多类别因子预测问题,其预测力显著优于经典的竞争模型。当变量之间的预测力存在明显差异时,所提出模型的样本外表现优势更为明显。进一步,基于所提出的模型,讨论了预测变量个数和预测精度之间的关系。发现当变量中存在强有力预测因子时,预测精度随预测变量数量增加而递减。当预测因子的预测力相近时,预测精度随预测变量数量增加而先增后减。最后,基于前文结论,将研究成果运用到具体实践场景,研究将外部因素与波动率预测关系运用到套期保值和国际证券市场风险传染中,以提高风险管理能力。一方面,基于外部因素能提升波动率预测精度的结论,本文进一步探讨预测精度的提高对套期保值效率的影响,发现基于高频数据的套期保值效率显著高于传统的低频数据套期保值模型。在高频波动率模型中考虑以投资者行为测度为主的外部因素后,波动率预测精度和相应的套期保值效率都得到显著改善。因此,研究结论在提高风险对冲能力并为投资者带来更高的经济效益方面具有显著的应用价值。另一方面,研究了国际证券市场风险传染路径及其主要影响来源和机理。实证发现,波动率风险主要从欧美发达国家向亚太地区传染,而风险溢出市场的隐含波动率指数和市场流动性对风险传染具有显著且稳健的解释力,解释力在金融危机时期表现更为明显。该结论的应用价值在于可以为市场参与者进行风险预警和防控提供决策参考。