摘要：文章选取上海期货交易所铜、铝期货价格指数日内10分钟高频收益数据,构造了经调整的已实现极差波动率估计序列,利用6类GARCH族模型建模分析,描述了沪铜、沪铝期货价格指数的波动特征。运用多种损失函数比较了GARCH族模型样本外波动率预测精度的优劣,并在此基础上,采用Diebold—Mariano检验法评估了GARCH族模型的预测效果。结果显示,沪铜、沪铝期货市场上已实现极差波动率估计序列具有尖峰厚尾、集聚性、持续性等特征。对于沪铜期货市场,EGARCH模型具有相对较好的的波动率预测能力,在某些损失函数标准下,FIGARCH模型以及GJR模型也体现出了较好的波动率预测能力,但FICARCH模型的预测能力和其它模型相比较并不显著;对于沪铝期货市场,EGARCH和HYGARCH模型具有相对较好的的波动率预测能力,而在某些损失函数标准下,FIGARCH以及IGARCH模型也体现出了较好的波动率预测能力。

摘要：选取上海期货交易所黄金期货价格指数日内10分钟高频收益数据,构造了经调整的已实现极差波动率估计序列,利用6类GARCH模型建模分析,描述了黄金期货价格指数的波动特征.运用多种损失函数比较了GARCH类模型样本外波动率预测精度的优劣,并在此基础上,采用一种渐进正态分布检验法评估了GARCH类模型的预测效果.结果显示,黄金期货已实现极差波动率估计序列具有尖峰厚尾、集聚性、持续性等特征.对于黄金期货市场,ACD-GARCH模型具有相对最好的波动率预测能力.

摘要：选取上海期货交易所铜、铝期货价格指数日内10分钟高频收益数据,构造了经调整的已实现极差波动率估计序列,利用6类GARCH族模型建模分析,描述了沪铜、沪铝期货价格指数的波动特征。运用多种损失函数比较了GARCH族模型样本外波动率预测精度的优劣,并在此基础上,采用Diebold-Mariano检验法评估了GARCH族模型的预测效果。结果显示,沪铜、沪铝期货市场上已实现极差波动率估计序列具有尖峰厚尾、集聚性、持续性等特征。对于沪铜期货市场,EGARCH模型具有相对较好的波动率预测能力,在某些损失函数标准下,FIGARCH模型以及GJR模型也体现出了较好的波动率预测能力,但FIGARCH模型的预测能力和其他模型相比较并不显著;对于沪铝期货市场,EGARCH和HYGARCH模型具有相对较好的波动率预测能力,而在某些损失函数标准下,FIGARCH以及IGARCH模型也体现出了较好的波动率预测能力。