西安金融分析网络社区

【成果速递】杨科等:农产品期货已实现波动率的预测

华工经贸学术动态 2018-09-26 11:23:30

Realized Volatility Forecast of Agricultural Futures Using the HAR Models with Bagging and Combination Approaches

国际金融危机的大背景下,中央政府出台了一系列文件强调期货市场在金融危机中所处的战略地位,于此同时,我国粮食生产正面临着新的形势,保证粮食安全始终是一个重要问题,而充分发挥农产品期货市场的作用,是解决粮食价格问题并以此促进生产、流通的最有效的方式之一。然而,农产品期货是一柄“双刃剑”,在为金融市场提供风险管理工具和价格发现的同时仍难以摆脱衍生产品固有的高风险特性。因此,如何准确刻画农产品期货市场波动率的动态特征、如何建立科学合理的预测模型预测农产品期货市场未来的波动状态,对投资者有效规避投资风险以及管理层科学合理发挥农产品的市场功能,最终促进金融市场平稳较快发展具有重要的理论价值和现实意义。鉴于此,本文从基于高频金融数据的已实现波动率角度,深入探讨了预测模型不确定条件下如何预测农产品期货已实现波动率的问题。

论文简要内容

国内对农产品期货市场的研究大致可以分为理论研究和实证研究两个方面。理论研究在农产品期货市场发展初期占据主要地位,主要侧重于从制度出发,研究合约制定、交割方式等内容,着眼于如何建设我国农产品期货市场等方面。随着我国农产品期货交易的逐渐规范,交易数据也日渐积累,为实证研究提供了基础数据来源。国内关于农产品期货市场的实证研究在2000年以后逐步增多,主要侧重于借鉴西方金融工程理论,对我国农产品期货市场的有效性、市场功能等方面进行数量分析。国内学者对我国农产品期货市场波动率的研究文献较少,并且绝大部分都是采用基于低频收益率数据的GARCH族模型来研究波动率的特征,而对波动率预测的研究极少,尤其是基于高频数据的已实现波动率预测。本文的研究为填补这一空缺做出了贡献。


本文以大连商品交易所的黄豆期货和玉米期货以及郑州商品交易所的硬麦期货和棉花期货为研究对象,首先运用这些期货的高频交易数据估计出已实现波动率序列,然后将统计学习中的Bagging方法和组合方法(Combination Approaches)融入到异质性自回归模型(HAR)中,以此为基础,探讨了预测模型的预测性能随时间而改变的环境下如何预测农产品期货已实现波动率的问题。


研究结果表明,基于Bagging方法和组合方法的HAR模型对农产品期货已实现波动率的样本外预测性能要比基准模型(自回归模型和HAR模型)强,而基于Bagging方法的HAR模型和基于组合方法的HAR模型的预测性能没有显著差异,但对两类模型的样本外预测值取平均值能进一步提高农产品期货已实现波动率的样本外预测精度。本文的研究丰富了波动率预测的研究方法,进一步完善了预测理论,对于各类投资者优化资产组合的配置,测量、预测和防范资产价格变动的风险,以及提高金融监管部门对金融市场的风险监管水平都具有重大的现实意义。

作者简介

杨科

经济学博士,华南理工大学经济与贸易学院金融学副教授,硕士生导师,研究方向为金融经济学、金融计量、金融工程等。

田凤平,本文通讯作者,中山大学国际金融学院讲师,硕士生导师。

陈浪南,中山大学岭南学院金融学教授,博士生导师。

Steven Li,澳大利亚皇家墨尔本理工大学商学院金融学教授,博士生导师。

期刊简介

International Review of Economics and Finance (IREF)刊登国际金融、宏观经济、金融经济领域的高质量理论和实证论文,尤其关注开放经济下的宏观经济、汇率、金融问题,以及实体经济与金融的联系问题,是经济、金融学科的SSCI期刊。2016年影响因子为1.261,JCR分区为二区。

原文出处:Yang K, Tian F, Chen L, et al. Realized volatility forecast of agricultural futures using the HAR models with bagging and combination approaches[J]. International Review of Economics & Finance, 2017, 49:276-291.

原文摘要:In order to reduce the uncertainty associated with a single predictor model, we incorporate the bagging and combination approaches into a HAR model with the lags of realized volatility and other potential predictors to forecast the realized volatility of agricultural commodity futures in China. We evaluate the performances of the two approaches by employing the mean square forecast error (MSFE) loss function, the modified DM test and the model confidence set (MCS) test at the multiple horizons over the three out-of-sample periods. We find that the realized forecasts from the HAR model with bagging and principal component (PC) combination approaches produce the lowest MSFE at relatively longer forecast horizons. We also find that the simple average of the forecasts from the HAR models with bagging and PC combination methods leads to a further reduction in MSFE, suggesting that they are the effective methods to forecast the realized volatility of agricultural commodity futures in China.

Copyright © 西安金融分析网络社区@2017