【摘要】：对波动率模型预测能力的评价应考虑其在未来一段时间内的预测能力，故本章采用滚动时间窗口方法预测模型的波动率，具体的操作步骤如下：将样本数据总体划分为估计样本和预测样本两部分，其中估计样本包括T=2430个交易日的高频数据，预测样本包括M=240个交易日的高频数据；选取t=1，2，…同时，由于真实波动率无法观测到，我们选用预测样本区间上的已实现波动率RVt作为真实波动率的代理变量，用来进一步检验模型的预测精度。
对波动率模型预测能力的评价应考虑其在未来一段时间内的预测能力，故本章采用滚动时间窗口方法预测模型的波动率，具体的操作步骤如下：
（1）将样本数据总体划分为估计样本和预测样本两部分，其中估计样本包括T=2430（2008年11月3日至2018年11月1日）个交易日的高频数据，预测样本包括M=240（2018年11月2日至2019年10月29日）个交易日的高频数据；
（2）选取t=1，2，…，T的波动率数据作为初次估计样本，估计模型参数并预测未来1天的波动率，得到第T+1日的波动率记为
；
（3）保持估计样本的区间长度不变，选取t=2，3，…，T+1的波动率数据作为估计样本，估计模型参数并预测未来1天的波动率，得到第T+2日的波动率
；(www.xing528.com)
（4）重复操作步骤（3），直到利用t=M，M+1，…，T+M-1的波动率数据作为估计样本，估计参数并预测第T+M日的波动率
，得到M=240天的波动率预测值序列。
对于本章考虑的四种波动率模型，我们可以得到每个模型在两种样本下的波动率预测值序列，记为
，t=T+1，T+2，…，M。同时，由于真实波动率无法观测到，我们选用预测样本区间上的已实现波动率RVt作为真实波动率的代理变量，用来进一步检验模型的预测精度。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
