“学海拾珠”系列之一百六十：交易量对波动率的非对称效应

敬请参阅末页重要声明及评级说明 证券研究报告 交易量对波动率的非对称效应 ——“学海拾珠”系列之一百六十 [Table_RptDate] 报告日期：2023-09-27 [Table_Author] 分析师：骆昱杉 执业证书号：S0010522110001 邮箱：luoyushan@hazq.com 分析师：严佳炜 执业证书号：S0010520070001 邮箱：yanjw@hazq.com [Table_CompanyReport] 相关报告 1. 《基金定期报告中的文本语气能否预测未来业绩？——“学海拾珠”系列之一百五十九》 2. 《因子投资中所蕴含的宏观经济风险——“学海拾珠”系列之一百五十八》 3. 《基于隐含波动率和实际波动率的系统风险指标——“学海拾珠”系列之一百五十七》 4. 《使用机器学习识别基金经理投资能力——“学海拾珠”系列之一百五十六》 5. 《通胀是否会影响会计信息-股票价格间的相关性?——“学海拾珠”系列之一百五十五》 6. 《信息不确定性、投资者情绪与分析师报告——“学海拾珠”系列之一百五十四》 7. 《Alpha 与风格因子的综合风险平价策略——“学海拾珠”系列之一百五十三》 8. 《人工智能可以读懂企业高管的想法吗？——“学海拾珠”系列之一百五十二》 主要观点： [Table_Summary] 本篇是“学海拾珠”系列第一百六十篇，文献对原有波动率模型做了一定改进，旨在探讨交易量对已实现波动率的非对称效应。本研究引入改进后的波动率模型来检验此效应，实证表明，不对称交易变量增加了对已实现波动率的预测精度。 ⚫ 引入不对称交易量的 HAR 模型 首先，将已实现波动率定义为日内高频收益平方和。接着引出HAR 模型，考虑到正分量和负分量对波动性的不对称影响，将每日交易量分解为正分量和负分量。我们预计，负收益的交易量对已实现波动率的影响可能高于正收益的交易量。 考虑引入其他与收益率相关的变量是否会影响交易量对已实现波动率的效应，为此引入杠杆效应，对 HAR 模型做出进一步改进。此外，借鉴 Patton 和 Sheppard(2015)提出的 RSV 模型，其引入了正半方差估计量和负半方差估计量，在考虑其他与收益相关的非对称变量后，发现不对称交易变量对已实现波动率影响更显著。 ⚫ 实证结果：非对称交易量对已实现波动率具有预测能力 文献使用 2001 年到 2021 年的日本股市综合指数东证期货的五分钟高频数据进行实证分析，结果表明，非对称交易量变量比对称交易量变量对已实现波动率的预测更为有效，且基于日内收益的非对称交易量变量模型比基于日度收益的非对称交易变量模型具有更好的预测效果。可见，在建模和预测实际波动率时，考虑不对称交易量至关重要。 ⚫ 文献来源 核心内容摘选自 Daiki Maki 的文章《Asymmetric effect of trading volume on realized volatility》 ⚫ 风险提示 文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。 [Table_StockNameRptType] 金融工程 专题报告 [Table_CommonRptType] 金融工程 敬请参阅末页重要声明及评级说明 2 / 16 证券研究报告 正文目录 1 简介 ......................................................................................................................................................................................................... 4 2 引入不对称交易量的 HAR 模型 ......................................................................................................................................................... 4 3 实证结果 ................................................................................................................................................................................................. 6 3.1 数据来源 ......................................................................................................................................................................................... 6 3.2 回归结果 ......................................................................................................................................................................................... 7 3.3 样本外预测 ..................................................................................................................................................................................... 8 4 讨论与总结 ......................................................................................................................................................................................... 14 风险提示： ....................................................................................