数据选取的详细解释与优化方案

本书主要从高频数据视角，对我国股票市场的高频波动率展开建模研究，并据此对我国股票市场的风险预测进行实证分析。根据以上阐述，在本书的实证研究中，将同时选取上海证券交易所、深圳证券交易所及香港证券交易所对应的股票指数作为研究对象。因此，本书以包含了上海证券交易所和深圳证券交易所信息的沪深300指数以及香港恒生指数为新兴和成熟市场的代表。本书将我国股票市场选定为新兴市场的主要依据是：中国是世界第二大经济体，是最大的发展中国家；我国股票市场成立时间相对较短，目前还有很多制度诸如涨停板、大小非解禁等尚待完善之中；沪深股市在2018年6月被正式纳入了MSCI新兴市场指数；从具体市场价格来看，我国内地股票市场也常常发生较为剧烈的波动。因此，我国内地股票市场虽然总体市值已经较大，但仍频繁表现出“跳跃”“非对称”等波动的显著特征。故本书着重对此进行识别和计量，以期能够对我国股票市场已实现波动率进行准确建模。而我国香港股票市场，具有与国际接轨的T+0制度、无涨跌板的限制、国际投资者的比重占50％左右、香港股市的资金可以自由流动以及法律监管鲜明，信息披露透明，停牌制度灵活等特点，相比内地股票市场是更为成熟的股票市场。同时，从具体的市场价格变动来看，也较为稳定。因此，本书将我国香港股票市场作为成熟市场的样本展开研究，重点是为了对比分析本书所构建的刻画“跳跃”“杠杆效应”等特征的HAR模型（第3章）、HARQ模型（第4章）、HARQ-EVT-VaR模型（第5章）的效果，以增强研究结论的稳健性和普适性。

在研究对象的时间上，由于沪深300指数的起始时间为2005年，因此本书确定研究的具体样本周期为2005年1月1日至2017年12月31日。为了便于比较分析，沪深300指数和恒生指数两个市场的时间段选取相同，样本数据未作删除处理。

本书以股票市场的高频交易数据为具体的研究对象，那么具体什么样的数据才能够代表高频数据呢？在目前的研究中，既有以1分钟交易信息为高频数据的文献，也有以5分钟交易信息为高频数据的文献。在选取高频交易数据过程中需要注意的是，抽样频率和价格包含的噪声成反比关系，也就是说当一天的抽样频率越高意味着其抽样的时间间隔短，其抽样的次数将增多，但与此同时其交易价格本身所包含的噪声就会更大，最终导致由此所得出的分析结论可靠性降低，从而所得出的相关结论也不再有稳健性和可靠性。Andersen等（1998）在研究外汇交易波动时证实，其5分钟交易频率的数据有利于在时间频率（也就是精确性）和规避噪声两方面取得一个理性的效果，其用288个5分钟交易数据的平方和对外汇波动进行度量取得了较好的结果。另外，Andersen等（2001）、唐勇（2012）、叶五一和缪柏其（2012）、田凤平和杨科（2016）、马锋等（2017）、周思娟等（2017）学者在实证分析过程均采用5分钟交易数据，证明了利用5分钟交易数据作为高频数据的精确性和可靠性。基于以上分析，为了得出研究结论的稳健性，本书在实证分析过程中首先对沪深300指数及恒生指数均采用5分钟交易数据作为高频交易数据的代表，然后在此基础上计算各市场的已实现波动率（Realized Volatility，RV）并对其运用各类HAR模型进行建模分析。在稳健性分析的过程中，将同时运用这两个市场指数的1分钟高频数据作为代表，进一步分析研究结论的稳健性。同时，需要注意的是，内地股市和香港股市每一天的交易时间安排有所差异，每天的高频数据量不同。沪市和深市每天上午9：30至11：30，下午13：00至15：00共计4个小时，48个5分钟高频数据，240个1分钟高频交易数据。香港股市每天上午9：30至12：00、下午13：00至16：00共计交易5.5小时，66个5分钟高频数据，330个1分钟高频交易数据。据此得到2005年1月1日至2017年12月31日间，沪深300指数具有交易日3 159天，港市具有交易日3 203天，这一期间具体的市场价格日数据走势如图3-1所示。(www.xing528.com)

图3-1　恒生指数和沪深300指数样本期内日数据价格走势

从图3-1中可以发现，这一样本期间，各市场经历2006至2007年的剧烈上涨，同时又受到2008年次贷危机的影响，具有较大的波动，而内地股市则在2015年同样再次经历了股价的剧烈波动。因此，对整个包含了股价上涨、下跌及剧烈变化不同市场行情下样本期内波动率的研究，和现实市场行情更加吻合，相关的研究结论将更加具有可靠性。