多元GARCH-It?模型及其在高维波动率矩阵预测中的
2026/07/07研究背景与问题
研究背景：随着金融市场对波动率预测需求的日益增长，高维波动率矩阵预测成为金融研究的重要领域。然而，传统的波动率预测模型往往无法有效捕捉高频和低频数据中的波动率动态特征，尤其是在处理高维资产时面临挑战。 研究问题：如何构建一个能够同时结合高频和低频数据，有效刻画高维资产波动率矩阵动态特征的预测模型？
研究方法
本文提出了一种新的多元GARCH-It?模型，该模型将多元GARCH结构嵌入到连续伊藤扩散过程的瞬时波动率中。通过这种结构，模型能够更好地捕捉波动率矩阵的动态变化，并适用于处理高维资产数据。在参数估计方面，采用拟极大似然方法对模型参数进行估计，并分析了统计量的相关渐近性质。
核心结果
核心结果包括： 1. 多元GARCH-It?模型能够有效结合高频和低频数据，提高波动率预测的准确性。 2. 该模型能够较好地刻画高维资产波动率矩阵的动态特征，尤其在涉及高维资产时表现突出。 3. 拟极大似然方法能够有效估计模型参数，保证了估计结果的可靠性和有效性。
结论与意义
结论：本文提出的多元GARCH-It?模型为高维波动率矩阵预测提供了一种新的思路和方法。该模型在处理高频和低频数据以及高维资产波动率预测方面具有显著优势，为金融市场提供了更准确、更全面的波动率预测工具。 意义： 1. 理论意义：丰富了波动率预测模型的理论体系，为后续研究提供了新的研究思路。 2. 实践意义：为金融市场参与者提供了有效的波动率预测工具，有助于提高投资决策的科学性和准确性。 3. 应用前景：该模型可广泛应用于金融市场、风险管理、投资组合优化等领域，具有较高的应用价值。
