基于超高频数据的VaR研究
□ 张 云
（中国海洋大学经济学院 山东 青岛 266100）
摘 要： 目前，VaR是金融风险评估的主流指标，而我国的VaR大多基于低频数据或高频数据，相较于超高频数据，缺乏必要的日内信息，这会影响VaR估计的准确性。对基于超高频数据的VaR研究进行论述，以期提高风险管理水平。
关键词： 超高频数据；VaR；ACD模型；日内信息
1 研究背景
金融风险管理的基础和核心是对风险的准确评估，现代风险评估指标以风险价值（VaR）为主。研究表明，金融市场信息对资产收益变化的影响是不间断的，数据采集频率越高，所蕴含的市场信息就越丰富。然而，我国金融市场的VaR研究大多基于低频和高频数据，这在一定程度上会影响VaR的准确性。因此，本文基于超高频数据来对VaR的研究进行论述，这有助于提高风险的精确度和加深对金融市场微观结构的认知。
如今，经明宏亲手推出的家政项目，完全可以形成一个家政服务矩阵，业务范围涉及成都、德阳、绵阳、重庆等川渝20余个城市。在18年的摸索中，家道家政经历了两个重要的转变。
2 超高频数据及其模型
超高频数据是股市交易过程中实时采集的数据，金融市场每发生一笔交易，就需记录一次，它包括交易的价格、时间及成交量等信息。相较于低频和高频数据，超高频数据表现出两个明显的特点，即价格取值的离散性和交易时间的不等间隔性。由于超高频数据包含的市场信息极其丰富，对超高频数据进行研究能够更加深刻地认识金融市场的微观结构。
但是，传统的时间序列模型都是针对等时间间隔的持有期，如自回归条件异方差（GARCH）类模型和随机波动（SV）类模型，它们不能刻画交易时间的不等间隔性，无法对超高频数据进行建模。
为了解决上面的问题，EngleandRussell（1998）[1]借鉴GARCH思想，对超高频数据的交易持续期建模，提出了自回归条件持续期（ACD）模型，取得了很好的效果，但其参数估计结果受到非负条件的约束。随后，Bauwens和Giot（2000）[2]提出了Log-ACD模型，解决了参数限制问题。另外，Ghysels等（2004）[3]提出了随机条件持续期（SCD）模型，它采用一个不可观测的随机过程来描述交易间隔，具有更好的拟合优度，但其参数估计较为复杂，在实际中的应用较少。
由于超高频数据的日内信息最为丰富，采用超高频数据来研究VaR是金融风险评估的一种发展趋势。基于超高频数据的特性及其应用模型，国内外学者对于VaR研究已取得了较为丰硕的成果。
F4因子：Hg-Zn——汞、锌的因子。这个因子对方差的贡献度为7.950%。Hg为矿体的前缘晕指示元素，Zn为矿化中部的指示元素，它们共存于同一组合有可能反映的是矿化的叠加关系，但也有可能代表一次独立地形成的构造热液活动[7]。
另一种思路是对超高频数据的交易价格或收益率进行建模，主流方法有两种。Ghysels和Jasiak（1998）[4]基于ACD模型，运用GARCH模型的聚集性思想，提出了ACD-GARCH模型，但其模型估计比较困难。此外，Engle（2000）[5]创造性地提出了UHFGARCH模型，它用传统的GARCH模型来对超高频数据的收益率建模，这种方法较为简单，得到了广大学者的认可。
3 基于超高频数据的VaR估计
2.1.4 3组小鼠气道阻力比较 与对照组比较，脂多糖组36 h后的气道阻力升高，差异有统计学意义(P<0.05)；而在6、18 h后，两组气道压力比较，差异无统计学意义(P>0.05)。36 h后，甲强龙组气道阻力较脂多糖组升高，差异有统计学意义(P<0.05)；6、18 h后，两组气道阻力比较，差异无统计学意义(P>0.05)。见图1d。
2018年是团场综合配套改革，取消“五统一”的第一年，张兰花跟广大职工群众一样，稍有空隙就忙着上网查看棉花品种信息，把一车车满装的地膜、种子、肥料、滴灌带等春播农用物资拉往自己的家里和地里。“往年都是单位给我们统一供应农资，年底结算，说多少钱就是多少钱。现在我们自己当家做主了，真好！”他今年承包20-1条田的86亩棉花，籽棉单产480公斤，收入达16.2万元。
较早时，Giot（2005）[6]分别采用NormalGARCH、StudentGARCH和RiskMetrics对分笔交易数据进行等间隔抽样，提出了基于日内价格持续期的条件参数日内风险价值（IVaR）模型，但该方法预测的风险持有期是高频等间隔的，无法推广到不规则交易频率情形。
Colletaz等（2007）[7]将基于价格持续期的ACD模型和分位数回归相结合，构建了不等间隔日内风险价值（ISIVaR）指标，实现了不等间隔持有期上VaR的动态估计，且它是一个基于价格和时域的二维联合风险评估指标，可同时评估市场风险和流动性风险，但这种方法过于复杂，应用较少。
借鉴 Colletaz等人（2007）[7]的方法，鲁万波、王卫东（2012）[8]采用日内不等间隔波动模型来估计日内交易的波动率，实现了日内风险的预测和检验，在我国股票市场的实证分析中，取得了很好的效果。
Dionne等人（2009）[9]在蒙特卡洛模拟的框架下，提出了一种结合LOG-ACD和EGARCH的IVaR模型，这种方法对UHF-GARCH模型进行了拓展，理论上，其适用性更加广泛，可用于任意固定持有期的风险估计，但受回测检验方法的制约，该实证分析所估计的仍是等间隔持有期的日内VaR。
此外，邵锡栋等（2009）[10]基于 UHF-GARCH 模型得到超高频波动率UHFV，并采用ARFIMA模型来拟合超高频波动率UHFV，从而将其应用到VaR的预测中，回测结果表明，这种方法的预测能力强于传统的低频GARCH模型。
不难发现，上述方法大多基于ACD模型，而Liu和Tse(2015)[11]使用一种双态非对称自回归条件持续期（AACD）模型来描述价格持续期，并采用蒙特卡罗模拟来计算IVaR，纽约证券交易所的回溯结果显示，基于AACD模型的IVaR优于Giot（2005）和Dionne等（2009）的方法。无疑，AACD模型考虑连续事件发生的方向，更贴近现实情况，是VaR应用研究的一个新方向。
参考文献：
［1］Engle R F, Russell J R. Aut or egressive conditional duration: a new model for irregularly spaced transaction data［J］. Econometrica, 1998, 5（9）: 1 127- 1 162.
［2］Bauwens L，Giot P. The Logarithmic ACD Model : An Application to the Bi d-Ask Quot e Pr ocess of Thr ee NYSE St ocks［J］. Annal Econ St at , 2000（60）: 117- 149.
［3］Ghysels E, Gouriéroux C, Jasi ak J. Stochastic volatility duration model s［J］. Journal of Economtri-cs, 2004, 119（2）: 413- 433.
［4］Ghysel s E，Jasi ak J. GARCH for Irregularly Spaced Dat a: The ACD-GARCH Model［J］. GARCH for Irregularly Spaced Financial Data, 1998（97s）: 6.
［5］Engle R F. The econometrics of ultra-high-frequency［J］. Economet r i ca, 2000, 68（1）: 1- 22.
［6］Giot P.Market risk models for intraday data ［J］.The European Journal of Finance,2005,11（4）:309-324.
［7］Colletaz G,Hurlin C,Tokpavi S.Irregularly spaced intraday value at risk （ISIVaR） models:Forecasting and predictive abilities［EB/OL］.2016-07-03.https://www.docin.com/p-1664752598.html.
［8］鲁万波,王卫东.基于价格持续时间的中国股市日内风险价值预测［J］.数理统计与管理,2012,31（3）:527-536.
［9］Dionne G,Duchesne P,Pacurar M.Intraday Valueat Risk（IVaR） using tick-by-tick dat a with application to the Tor onto Stock Exchange［J］.Journal of Empirical Finance,2009,16（5）:777-792.
［10］邵锡栋,连玉君,黄性芳.交易间隔、超高频波动率与VaR——利用日内信息预测金融市场风险［J］.统计研究,2009,26（1）:96-102.
［11］Liu S,Tse Y K.Intraday Value-at-Risk:An asymmetric autoregressive conditional duration approach［J］.Journal of Econometrics,2015,189（2）:437-446.
文章编号： 1004-7026（2019）03-0142-02
中国图书分类号： F222.3
文献标志码： A
DOI： 10.16675/j.cnki.cn14-1065/f.2019.03.097
作者简介： 张 云（1991-），男，汉族，江苏宿迁人，在读硕士研究生，研究方向：金融学。
标签：超高频数据论文; var论文; ACD模型论文; 日内信息论文; 中国海洋大学经济学院论文;