一、文献综述
（一）国内外研究现状
在发达的市场经济中,证券市场是整个市场体系的重要组成部分。它不仅反映和调节货币和资金的流动,而且对整个经济的运行有着重要的影响，其中对于波动率的准确建模和预测是进行资产配置、风险管理、衍生品定价以及投资组合策略选择等金融应用的关键。然而由于金融数据存在波动集聚和异方差性等差异，波动率的预测往往不尽人意，因此需要更为准确的市场风险测度。
Engle利用当时已有的日度类相关低频数据，提出了自回归条件异方差（ARCH）模型，为波动率建模提供了一个新的思路。模型形式虽然简单，但在实际度量波动率的过程中，往往需要滞后很多期才能达到较好的拟合效果，所带来的直接问题就是要估计冗长的参数项。Bollerslev对ARCH模型进行改进，提出了广义自回归条件异方差（GARCH）模型，更为准确的描述了时间序列尾部的分布特征。
理论和实际应用中，GARCH类模型是估计市场波动率和预测市场风险非常重要的工具。传统的GARCH类模型，使用日度、周度和月度等较为低频的数据拟合市场收益率的条件波动率，进而根据假设的条件分布计算相应的风险值 （Value at Risk，VaR）。然而，仅依赖低频数据进行估计可能会造成日内有用信息的遗漏，从而带来不准确的市场波动率和风险估计，也就是说，传统GARCH类模型的信息集Fｔ－１不够充分。随着高频数据的可获得性越来越强，其包含的大量日内信息对波动率研究具有重要作用。由于GARCH模型可能会遗漏金融资产日内信息，基于已实现波动率（realized volatility，RV）的高频数据波动率模型研究成为国内外学者研究的重点。
Andersen和Bollerslev（1998）首次提出对市场微观结构效应稳健的已实现波动率（realized volatility，RV），其将日内高频收益率的平方和作为真实波动率的估计，并利用二次变量差理论证明，当抽样频率趋于无穷大时，已实现波动率（realized volatility，RV）是积分波动（integrated volatility，IR）的一致估计量，成功推进了金融高频数据的研究进展。Hansen等（2012）提出Realized GARCH模型，通过新增测量方程将杠杆函数和已实现测度引入GARCH模型中，该模型能够捕捉高频数据的波动率和相关性，在保留传统GARCH类模型诸多优点的基础上在波动率拟合与预测方面均有更为强势的表现。Sharma和Vipul利用标准GARCH模型、仅使用日收益率改进的标准GARCH模型和已实现的GARCH模型对比预测了16只国际股票约14年的样本数据，通过对比各模型的损失准则函数，发现已实现的GARCH模型在数据预测方面有更好的预测能力。
考虑到收益率序列具有尖峰厚尾性，黄友珀等将Realized GARCH模型的残差分布拓展为偏t分布，并分别采用RV、RRV和BPV等多种已实现波动率测度来研究金融数据的尾部风险。实证结果表明引入对微观结构噪声和跳跃稳健的波动率测度的Realized GARCH模型能够更为准确地预测尾部风险。玄海燕等（2018）利用正太分布、t分布和偏t分布对Realized GARCH模型的拟合效果进行比较，研究表明基于偏t分布的模型拟合效果最优。施雅丰和艾春荣在Realized GARCH模型中考虑周内效应，实证结果显示中国股市波动率存在显著周内特征的杠杆效应，考虑该特征能够提高高频波动率模型的样本内拟合和样本外预测能力。
（二）研究主要成果
王天一、黄卓提出了新的波动率模型Realized GAS-GARCH，该模型结合了 Generalized Autoregressive Score( GAS) 模型的基本思路，把Realized GARCH模型扩展到包含厚尾分布的情形，并采用了与厚尾分布参数相依的冲击响应函数，与简单的厚尾分布扩展模型相比，这种设定对于回报率中的极端值更加稳健。在基于沪深300指数高频数据的实证结果中，使用CAS冲击响应函数的模型对“在险价值”VaR 的预测能力显著的超过了传统的厚尾Realized GARCH模型。
蔡光辉、俆君等人构建建混频Realized GARCH模型（Mixed Frequency Realized GARCH模型），进一步考虑传统的正态分布假设不能够刻画金融时间序列的非对称性、非正态性、厚尾性等特征，将偏t分布引入混频Realized GARCH模型中，构建了基于偏t分布的混频Realized GARCH模型，推导其参数估计方法，并运用滚动时间窗预测技术和优于SPA检验的MCS检验判别扩展模型对我国黄金期货市场波动的预测结果。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
