Professional Documents
Culture Documents
考虑结构变化和长记忆性的国际原油价格波动率预测研究
考虑结构变化和长记忆性的国际原油价格波动率预测研究
l. 9
2021 年 9 月 Ch
ine
seJ
ou
rnal
of
Managemen
t Sc
ienc
e Sep
tember, 2021
文章编号:
1003-207(
2021)
09-0054-11
DOI: 16381/
10. j.cnk
i.i
ssn1003-207x.
2019.
1695
考虑结构变化和长记忆性的国际原油
价格波动率预测研究
张跃军1,2,张 晗1,2,王金丽1,2
1.湖南大学工商管理学院,湖南 长沙 410082;
(
2.湖南大学资源与环境管理研究中心,湖南 长沙 410082)
摘 要:原油市场普遍存在结构变化现象,可能会引发原油价格波动率的长记 忆 性,导 致 模 型 参 数 的 有 偏 估 计 。 为
此,本文考虑原油价格波动率的 结 构 变 化 和 长 记 忆 性 特 征 ,采 用 考 虑 结 构 断 点 的 GARCH 族 模 型 和 MMGARCH
模型对 WTI和 Br
ent油价波动率进行预测建模。结果表明,WTI和 Br
ent油价波动率中确实存在明显的结构 变 化
和长记忆性特征,而能够捕捉这两种特征的 GARCH 族模型往往比忽略它们的模型取得更好的油价波动率预测效果,特
别是,
同时动态捕捉结构变化和长记忆性特征的 MMGARCH 模型对油价波动率的预测性能优于其他相关模型。
关键词:原油市场;波动率预测;结构变化;长记忆性
中图分类号:
F206; 5 文献标识码:
F832. A
了一 系 列 能 反 映 波 动 率 更 多 特 征 的 GARCH 族 模
1 引言
型,例如:基 于 胖 尾 分 布 的 GARCH 模 型 ( GARCH
近年来,国际原油价格波动剧烈,严重影响了国 - HT)9 、幂 变 换 门 限 GARCH 模 型 (PTT -
[]
不可或缺的能源与化工材料,与许多产业息息相关, 等。而且已有大量研究证明这些模型在资产价格波
特别是,原油价格波 动 往 往 会 影 响 全 球 大 宗 商 品 市 动率 的 建 模 和 预 测 方 面 比 标 准 GARCH 模 型 更 具
场走势 [1]。因此,探索原油价格波动特征,科学研判 Hung 等 12 采 用 基 于 不 同 分 布 假 设 的
优势。例如, [ ]
国际油价变动趋势,对全球经济金融发展至关重要。
GARCH 模 型 对 四 种 能 源 价 格 的 波 动 率 及 VaR 进
但原油市场 变 化 存 在 非 线 性、非 平 稳、多 尺 度 等 规 行预测,发现在预测 资 产 价 格 波 动 率 时 能 描 述 胖 尾
律,并且往往伴随着 结 构 变 化 和 长 记 忆 性 等 复 杂 特 分布特征的 GARCH-HT 模 型 比 基 于t 分 布 和 正
征,给油价波动率预测建模带来了显著挑战。 态 分 布 的 GARCH 模 型 表 现 更 好。 Gi
ot 和
目前,已 有 大 量 学 者 构 建 各 种 计 量 经 济 模 型 开
t13 分 别 采 用 风 险 矩 阵、基 于 t 分 布 的
[ ]
Laur
en
展原油价格波 动 率 预 测 研 究。 在 众 多 预 测 模 型 中,
ARCH 模 型 以 及 APARCH 模 型 拟 合 和 预 测 WTI
GARCH 族模型由于能够描述油价收益率的条件异
和 Br
ent油价波动率,发现基 于t 分 布 的 APARCH
方差性与油价波动率的集聚性、非对称性等特征,得
模型在所选模型中具有最好的预测性能。
到了 广 泛 应 用 [
2-6]
。 自 Eng
le7 和 Bo
[]
lle
rsev8 分
l
[]
率,发现能同时反映 油 价 波 动 率 非 对 称 性 和 结 构 断 长记 忆 性 的 GARCH 族 模 型 对 原 油 期 货 和 现 货 价
点特征 的 模 型 具 有 更 好 的 预 测 能 力。Sanz
o
[
18]
对 格的波动率进行拟 合 和 预 测,发 现 加 入 结 构 断 点 的
MRS-GARCH 模 型 进 行 改 进 并 将 其 用 于 预 测 油 FIGARCH 模 型 往 往 具 有 更 好 的 预 测 能 力;
价波 动 率,结 果 表 明 考 虑 了 结 构 变 化 的 MRS- o32 将长记忆性和机制 转 换 两 种 特 征 融 入 同 一
Sanz
[ ]
和 HAR-GARCH[24]。其中, Zhuo 等 24 在
Huang
[ ]
权重系数 将 标 准 GARCH 模 型 和 FIGARCH 模 型
已实现 GARCH 模型的基础上加入 HAR 模型捕捉 相 结 合,能 够 揭 示 不 同 的 波 动 率 结 构。 Kl
ein和
波动率的长记忆性,结果发现 HAR-GARCH 模型 Wa
lt r33 则 使 用 MMGARCH 模 型 研 究 方 差 和
he
[ ]
变化 和 长 记 忆 性 特 征 的 GARCH 族 模 型 相 较 于 标 油价。此外,本文采用油价日收益率的平方值 (
Rt2)
准 GARCH 模 型 在 油 价 波 动 率 预 测 方 面 是 否 具 有 作为实际波动率的代理变量。
显著优势。 本文样本区间为 1993 年 5 月 1 日 至 2017 年 3
本文 研 究 贡 献 主 要 包 括 两 个 方 面:一 是 证 实 了 月 1 日,并 将 1993 年 5 月 1 日 至 2012 年 12 月 31
国际油价波动率中确实存在结构变化和长记忆性特 日作 为 样 本 内 估 计 区 间,而 将 2013 年 1 月 1 日 至
征,而且 WTI和 Br
ent油价均具有不同的波动率结 2017 年 3 月 1 日 作 为 样 本 外 预 测 区 间。 WTI 和
构;二是 采 用 能 刻 画 结 构 变 化 和 长 记 忆 性 特 征 的 Br t原油收 益 率 序 列 的 描 述 性 统 计 结 果 见 表 1。
en
GARCH 族模型对油 价 波 动 率 进 行 预 测 建 模,证 实 可 以 看 出,两 者 的 统 计 性 质 相 似,正 如 Fa t
touh
了此类模型在油价 波 动 率 预 测 方 面 的 显 著 优 势,特 2010 指出,长期来看,全球原油市场趋向于高度一
( )
别是证实了 MMGARCH 模型可以动态刻画油价波 体化 [35]。 WTI和 Br
ent原 油 收 益 率 的 均 值 都 接 近
动率中的结构变化 和 不 同 记 忆 性,具 有 更 为 优 异 的 于 0,且标准差的结果表明 WTI相较于 Br
ent更 加
预测性能,从而弥补 了 多 数 模 型 只 考 虑 结 构 变 化 或 不稳定。 WTI和 Br
ent原油收益率的偏度均为负数,
记忆性的缺陷,为国 际 油 价 波 动 率 预 测 模 型 的 选 择 峰度均大于 3,说明它们都具有明显的“尖峰厚尾”特
明确了方向。 征。同时,
Jar
que-Be
ra 统 计 量 在 1% 的 水 平 下 显 著
拒绝原油价格收益率序列服从正态分布的原假设,说
2 数据与方法
明它们都不服从正态分布,而存在胖尾分布的特征。
1 数据说明
2. L
jung-Box检验的 Q 统计量在 1% 的显著性水平拒
本文采用 美 国 西 德 克 萨 斯 州 轻 质 (WTI)原 油 绝原假设,说明它们都存在显著的自相关性,即原油
和英国北海布伦特( Br t)原油的日频现货价格,数
en 市场波动中存在 ARCH 效应。除此之外,ADF 单位
据来 源 于 美 国 能 源 信 息 署 (
EIA)。 同 时,本 文 以 根检验结果表明,两种油价收益率序列都显著拒绝存
WTI和 Br t 油 价 的 对 数 收 益 率 作 为 研 究 对 象,
en 在单位根的原假设,说明它们都是平稳序列,而 PP 检
即:Rt =l
og(Pt/Pt-1), n,其中,Pt 表示
t = 2,…, 验和 KPSS 检验的结果也证明了这一点。
表 1 原油价格收益率序列描述性统计结果
统计量 WTI Br
ent 统计量 WTI Br
ent
平均值 0.
0002 0.
0002 Q(
8) 2(
15. 0000)
0. 45 (
32. 0.0000)
标准差 0.
0253 0.
0224 2( )
Q 8 86 (
595. 0.0000) 10 (
599. 0.0000)
偏度 -0.
1170 -0.
0252 ADF 检验统计量 3280 (
-77. 0.0000) 7385 (
-74. 0.0000)
峰度 8.
4745 8.
209 PP 检验统计量 88 (
-72. 0.0000) 14 (
-70. 0.0000)
J-B 统计量 52 (
6364. 0.0000) 6(
5543. 0000)
0. KPSS 检验统计量 048(
0. 0.4808) 050(
0. 0.4792)
注:小括号内为 P 值,
J-B 为 J
arque-Be
ra统计量,
Q(8)、 8)分 别 为 标 准 残 差 序 列 和 标 准 残 差 平 方 序 列 的 滞 后 阶 数 为 8 的 L
Q2 ( jung-
Box 检验 Q 统计量。
2 研究方法
2. 2,…T,AIT 的 渐 进 分 布 由 布 朗 桥 sup|W * (
r)|
r
(
1)ICSS 算法 给出,临 界 值 通 过 模 拟 产 生。 如 果 AIT 大 于 临 界
an 和 Ti
ao36 提出 ICSS 算法,通过检验 IT
[ ]
I
ncl 值,则拒绝原假设,表明油价收益率序列的无条件方
统计量识别无条件方差中的结构断点。Sanso 等 [37]
差存在显著的 结 构 断 点。 否 则 不 能 够 拒 绝 原 假 设,
指出当采用独立的 GARCH 过程时, IT 统计量明显
表明油价收益率序列的无条件方差没有显著的结构
过大。所以,为了更 准 确 地 识 别 国 际 油 价 收 益 率 序
断点。
列无条件方差中的结 构 断 点,本 文 使 用 Sanso 等 [37]
(
2)GARCH(
1,1)模型
调整后的IT 统计量(即 AIT),具体形式为:AIT =
用rt 表示原油价格收益率序列,则 GARCH(
1,
Gk =^
sup|T-0.5 Gk |, 1/2
ω- ( Ck - ( CT ),其 中,
k/T)
1)模型可以写成如下形式:
k
t m
k
^ 1 2
Ck = ∑t=1ε ,
ω = ∑( εt -^
σ) + ∑ ( 1-l(
2 2 2
t m rt = μt +ut, ht ,
ut =εt 槡
T t=1 T l=1
T
ht = Var(rt|Ft-1)= ω1 +α1ut2-1 +β1ht-1 (
1)
+1) ∑ εt -^
) ( εt-l -^
σ)( σ),m 为截断参数,
k=1,
-1 2 2
ht 为 GARCH 模 型 中 的 条 件 方 差。 在t = 1,…,
n 为类似 ARCH (∞ )的形式,如公式( 4)所示:
时, εt ~ N(
0,1)
i. d,
i. Ft-1 表示由历史序列产生的 h2,t = ω2 + (
1-β2L - ( d
1-L))ut2 +β2h2,t-1
s
igma系数,模型假定 ω1 > 0,
α1 ,
β1 > 0,
α1 +β1 < ω2 ∞
(
2
δjut-j 4)
1-β2 ∑j=1
= +
1。若α1 +β1 =1,则外生冲击对油价波动率的影响
是永久 的,此 时 模 型 被 称 为 IGARCH 模 型 (
Int
e- 其中,δj 被 称 为 FIGARCH 权 重,由 FIGARCH 参
raed-GARCH)。
t 数计算出来。
g
(
3)FIGARCH 模型 5)联合模型
(
上述 GARCH 模 型 假 设 波 动 率 的 自 相 关 函 数 受 Ewi
ng 和 Ma
lik 17 启发,为了同时刻画油价
[ ]
根据 Kl
ein 和 Wa
lt r 33 的研究,MMGARCH
he
[ ]
1
N
MAE = ∑ |^
ht -ht| (
7)
模型的主要思想是通过引入一个伯努利随机变量序 Nt=1
列( Zt) n 将 GARCH (
t=1,… , 1,1)和 FIGARCH(1, 1
N
QLIKE = (
l ^
n( ^
ht)-ht/
ht)
2
(
8)
1)模型结合,因 此 能 反 映 油 价 波 动 率 中 的 结 构 变
d, Nt∑
=1
N
化和长记忆性。 MMGARCH 模型形式如下: 1 ^
R2 LOG = (
ln(
ht/
ht))
2
(
9)
Nt∑
rt = μt +ut, ht ,
ut = εt 槡 ht = Zth1,t + (
1- =1
^
其中,
ht 和ht 分别表示t 时期油价波动率的预测值
Zt)
h2,t (
3)
和实际值,
N 表示预测值的个数。
其 中,ut 为残差项, t=1,…,n,h1,t =ω1 +α1ut2-1 +
β1h1,t-1 ,表示 GARCH 模型,
h2,t =ω2 + (1-β2L- 3 实证结果分析
(
1-φL)( d
1-L) ut2 +β2h2,t-1 ,表示 FIGARCH 模
)
1 结构断点识别
3.
型。为了获得动态 的 混 合 比 率,模 型 引 入 伯 努 利 随
本文采用改进的 ICSS 算 法 识 别 出 油 价 收 益 率
机变量 Zt,
Zt ∈ (
0,1),且 满 足 P(
Zt = 1)= πt,
序列中 的 五 个 结 构 断 点,分 别 是:
2005 年 6 月 12
πt )
og(
l rt-1 - ut-1), 即 πt =
= λ0 + λ1( 日、
2008 年 9 月 11 日、
2009 年 4 月 19 日、
2012 年
1-πt
1 11 月 19 日和 2014 年 7 月 9 日,并 依 此 将 样 本 划 分
。
1+exp(-λ0 -λ1(rt-1 -ut-1)) 为 6 个区间,如表 2 所示。值得关注的是,
2008 年 9
为 了 满 足 模 型 的 非 负 性 和 严 格 平 稳 性 的 假 定, 月的结构断点明显与金融危机关联密切,而 2014 年
MMGARCH 模 型 引 入 Bo ev 和 Mi
[
38]
l
ler
sl kke ls
en 7 月世界经济低迷和美国原油产量增 长 共 同 导 致 的
的处理 方 法,将 其 中 的 FIGARCH 部 分 ( h2,t)表 述 油价暴跌同样造成了油价收益率序列的断点。
· 58 · 中国管理科学 2021 年
表 2 原油价格收益率序列结构断点的识别结果
1 2000/1/1-2005/6/12 0.
0264 4 2009/4/20-2012/11/19 0.
0201
2 2005/6/13-2008/9/11 0.
0196 5 2012/11/20-2014/7/9 0.
0110
3 2008/9/12-2009/4/19 0.
0573 6 2014/7/9-2017/3/1 0.
0270
2 样本内表现
3. 变化。两种模型 中 α1 和 β1 均 显 著 异 于 0,且 β1 总
为了刻画国际油价的结构变化和长记忆性特 大于α1 ,表 明 油 价 上 一 期 波 动 对 当 期 波 动 影 响 更
征,本 节 将 ICSS 算 法 与 GARCH 族 模 型 结 合,对 大,即具有波 动 集 聚 效 应。 此 外,
α1 +β1 接 近 于 1,
WTI和 Br
ent油价收 益 率 进 行 估 计。 首 先,为 了 判 在加入结构断点之后, α1 +β1 明 显 减 小,证 明 WTI
断考 虑 结 构 变 化 对 GARCH 族 模 型 拟 合 效 果 的 影 和 Br
ent油价波 动 率 存 在 结 构 变 化,忽 略 这 一 点 会
响,我 们 比 较 了 标 准 GARCH 模 型、
FIGARCH 模 造成虚假的波动持续性 [31,40]。
型以及加 入 结 构 断 点 的 GARCH 模 型、
FIGARCH ② 在 GARCH 模型和 F
IGARCH 模型加入 ICSS
模型的样本内 估 计 结 果,然 后 采 用 MMGARCH 模 算法识别的结构断点后,模型对 WTI和 Br e
nt油价波
型进行拟合,并将其 拟 合 结 果 与 以 上 模 型 的 拟 合 结 动率的拟合性能得到了明显提高。如极大似然函数
果进行比较。鉴于油价收益率具有尖峰厚尾及非正 值和 AIC 值 所 示,加 入 了 结 构 断 点 的 GARCH 模 型
态特征,本文采用 服 从 S
t t-t 分 布 的 GARCH
uden IGARCH 模型得到的极大似然函数值和 AIC 值
和F
族模型。具体拟合结果见表 3 和表 4。 均有明显变化,这也验证了 Ewi
ng 和 Ma
lik17 的研究
[ ]
1)比较未考虑 结 构 变 化 的 GARCH 族 模 型 和
( 结论:在标准 GARCH 模型中加入结构断点可以用于
加入结构断点的 GARCH 族 模 型 的 拟 合 结 果,可 以 解释油价波动率的结构变化,进而有效减弱波动率中
发现:① 油价波动率 中 存 在 显 著 的 集 聚 效 应 和 结 构 虚假的持续性,达到更好的拟合效果。
表 3 WTI油价收益率的样本内拟合结果
表 4 Br
ent油价收益率的样本内拟合结果
0.2324 0.2611
φ (
0.0713) (
0.0754)
1.7100
λ0
(
0.0491)
22.0040
λ1
( 7441)
6.
LL -11741 -11725 -11712 -11701 -11685
AIC 4.
4198 4.
4110 4.
3022 4.
2911 4.
2800
Q(
8) 9.
4515 8.
9216 8.
9330 7.
4913 7.
0223
Q2(
8) 16.
2763 11.
2541 11.
5612 13.
6234 10.
8910
注:小括号内为 P 值,
LL 为对数似然函数值,
AIC 即为 Aka
ike
In
forma
tion
Cri
ter
ion。Q(
8)、 8)分 别 为 标 准 残 差 序 列 和 标 准 残 差 平 方
Q2(
序列的滞后阶数为 8 的 L
j Q 统计量。
ung-Box
· 60 · 中国管理科学 2021 年
3 样本外表现
3. 1)考虑了结构 变 化 的 GARCH 族 模 型 比 未 考
(
为了 比 较 MMGARCH 模 型 与 其 它 GARCH 虑结 构 变 化 的 GARCH 族 模 型 具 有 更 好 的 预 测 能
族模型的样本外预 测 能 力,本 文 计 算 了 四 种 不 同 损 力。这一 点 在 标 准 GARCH 模 型 和 FIGARCH 模
失函数下各模型向前 h 步(
h=1、
5、20)预测的 损 失 型上均表现明显。例如,在预测 WTI油价波动率且
函数值,从而评价各模型对油价波动率的预测能力。 预测步长为 1 天时,加 入 结 构 断 点 后 的 模 型 所 得 的
本文将最后五年作 为 样 本 外 预 测 区 间,采 用 滚 动 预 四种损失函数值均低于未加入结构断点的 GARCH
测的方法,即首先根 据 估 计 出 的 模 型 参 数 预 测 未 来 模型的结 果。 在 其 它 预 测 步 长 下,采 用 ICSS 算 法
h 天的波动率,然后窗口向前滚动 1 天确定新的 拟 和 GARCH 模型的组合模 型 预 测 油 价 波 动 率 时,得
合区间,重新估计各模 型 的 参 数 后 再 向 前 h 步 进 行 到的 损 失 函 数 值 亦 普 遍 小 于 标 准 GARCH 模 型 得
预测。依此类推,得 到 各 模 型 在 预 测 区 间 内 的 油 价 到的损失函数值。FIGARCH 模型在各个步长下的
波动率预测值,然 后 计 算 其 损 失 函 数。 采 用 较 长 的 情况也与 GARCH 模型的 情 况 相 似,以 上 结 果 均 表
样本内数据是为了避免极大似然估计过程中出现最 明考 虑 结 构 变 化 可 以 提 高 GARCH 模 型 对 油 价 波
优化不收敛的情况。预测结果见表 5,可以看出: 动率的预测性能。
表 5 油价波动率的预测结果
Pane
l A:WTI原油市场
RMSE (×10-4) 7.
3865 7.
3128 7.
3483 7.
2490 7.
1670
Pane
l B:Br
ent原油市场
RMSE (×10-4) 4.
4844 4.
4712 4.
4732 4.
4034 4.
3120
MAE (×10-4) 2.
5844 2.
3611 2.
6112 2.
2038 2.
0014
1步
QLIKE 5.
4227 5.
4098 5.
3594 5.
3169 5.
3295
2
R LOG 8.
7161 8.
3741 8.
5413 7.
1426 7.
1260
RMSE (×10-4) 4.
5010 4.
4992 4.
4911 4.
4321 4.
0221
MAE (×10-4) 2.
8838 2.
6120 2.
7123 2.
7805 2.
3821
5步
QLIKE 5.
9800 5.
8729 5.
7462 5.
5903 5.
6218
2
R LOG 9.
8667 9.
3862 9.
7126 7.
9440 7.
1510
RMSE (×10-4) 4.
5994 4.
5575 4.
4981 4.
4884 4.
2315
MAE (×10-4) 2.
6553 2.
5893 2.
5319 2.
2104 2.
1978
20 步
QLIKE 7.
4847 7.
2455 7.
2390 7.
1172 7.
0856
2
R LOG 9.
4068 8.
9440 9.
1143 8.
3640 7.
0241
注:表格中为损失函数值,加粗的数字表示在同一个损失函数标准下,此模型得到 的 损 失 函 数 值 最 小 ,即 此 模 型 在 5 个 模 型 中 具 有 相 对 较
好的预测性能。
第 9 期 张跃军等:考虑结构变化和长记忆性的国际原油价格波动率预测研究 · 61 ·
2)考 虑 了 油 价 波 动 率 长 记 忆 性 的 FIGARCH
( MMGARCH 模型在 RMSE 和 MAE 损失函数标准
模型比 GARCH 模型的预 测 效 果 更 好,这 一 点 在 有 下 表 现 最 优。 在 预 测 Br
ent 油 价 波 动 率 时,
无加入结构断点 时 均 表 现 明 显。 如 表 5 所 示,在 预 MMGARCH 模型同样在大多数损失 函 数 标 准 下 表
测 WTI油 价 波动率且预测步长为 5 天时,采用 FI- 现出了 较 明 显 的 优 势。 此 外,从 ICSS 算 法 和 FI-
GARCH 模 型 得 到 的 损 失 函 数 值 基 本 上 低 于 GARCH 的组合模型与其他模型预测结果的比较 中
GARCH 模 型 的 结 果;在 其 它 预 测 步 长 下,FI- 可 以 发 现,该 组 合 模 型 的 预 测 性 能 仅 次 于
GARCH 模型的预测效果也普遍优于标准 GARCH MMGARCH 模型,而 Ar i等 31 的研究结果也表
[ ]
our
模型。 在 预 测 Br
ent 油 价 波 动 率 时,情 况 也 基 本 相 明,加入结构断点的 FIGARCH 模型相较于大多 数
似。这 些 结 果 都 表 明,
FIGARCH 模 型 由 于 能 刻 画 模型具有 较 优 的 性 能,所以 可 以 证 明 同 时 考 虑 波 动
油价波动率的长记 忆 性,所 以 在 预 测 油 价 波 动 率 方 率结构变化和长记忆性特征的模型预测效果相对较
面比标准 GARCH 模型更具优势。 好,且 进 一 步 发 现 了 考 虑 结 构 特 征 和 不 同 记 忆 性 的
3)同时考虑波 动 率 结 构 变 化 和 长 记 忆 性 特 征
( MMGARCH 模型更有利于原油市场波动率的预测。
的 GARCH 族模型往往具 有 相 对 较 好 的 预 测 效 果。 4 稳健性检验
3.
例如,在预测 WTI 油 价 波 动 率 且 预 测 步 长 为 1 天 为了探究原油价格序列的取样频率不同是否会
时,在四个损失函数标 准 下,MMGARCH 模 型 的 预 影响本文的核 心 结 果,本 节 使 用 上 述 5 个 GARCH
测效果均明显优于其 它 四 种 GARCH 族 模 型;当 预 族模型预测相 同 区 间 内 的 周 频 WTI 和 Br ent油 价
测步长 为 5 天 时,MMGARCH 模 型 在 三 个 损 失 函 波动率,结果 见 表 6。 通 过 比 较 4 种 损 失 函 数 的 结
数标 准 下 表 现 最 优;当 预 测 步 长 为 20 天 时, 果,可以发现在不同预测步长 下 ,MMGARCH 模 型
表 6 周频油价波动率的预测结果
Pane
l A:WTI原油市场
RMSE (×10-4) 6.6195 6.5741 6.
3992 6.
2241 5.
9305
MAE (×10-4) 3.
1132 3.0341 3.
0112 2.
9421 2.
7400
1步
QLIKE 6.
7402 6.
3572 6.
2985 6.
0427 5.
9450
R2
LOG 7.
1536 6.
9801 6.
8278 6.
3916 5.
8728
RMSE (×10-4) 7.
1253 7.
1738 7.
0783 7.
0987 7.
0018
MAE (×10-4) 3.
5902 3.
5521 3.
4424 3.
1165 2.
9334
5步
QLIKE 7.
9472 7.
3940 7.
0291 6.
7262 6.
9883
R2
LOG 8.
3997 8.
1492 8.
1463 6.
9688 6.
8104
RMSE (×10-4) 7.
6218 7.
4240 7.
1354 7.
3208 7.
3781
MAE (×10-4) 3.
6885 3.
5070 3.
4784 3.
4210 2.
9110
20 步
QLIKE 8.
7729 8.
5004 8.
3926 8.
0645 7.
7381
R2
LOG 9.
1471 8.
8066 8.
1441 7.
4232 7.
4199
Pane
l B:Br
ent原油市场
RMSE (×10-4) 4.
2650 4.
2524 4.
2543 4.
1873 4.
0995
MAE (×10-4) 2.
4410 2.
2267 2.
4668 2.
0756 1.
8813
1步
QLIKE 7.
3482 7.
0862 6.
5571 6.
3057 6.
4085
R2
LOG 8.
3275 7.
9991 8.
1596 6.
8169 6.
8010
RMSE (×10-4) 4.
7710 4.
7692 4.
7615 4.
7048 4.
3112
MAE (×10-4) 3.
2184 2.
9575 3.
0538 3.
1193 2.
7368
5步
QLIKE 8.
5851 8.
1339 8.
0297 7.
8194 7.
3255
R2
LOG 9.
9220 7.
3150 9.
7741 8.
0762 8.
3421
RMSE (×10-4) 4.
4354 4.
3952 4.
3382 4.
3289 4.
0822
MAE (×10-4) 2.
5691 2.
5057 2.
4506 2.
1420 2.
1299
20 步
QLIKE 9.
1776 9.
0038 8.
5691 8.
3884 7.
9901
R2
LOG 9.
0505 8.
6062 8.
7697 8.
0494 6.
7631
注:表格中为损失函数值,加粗的数字表示在同一个损失函数标准下,此模型得到 的 损 失 函 数 值 最 小 ,即 此 模 型 在 5 个 模 型 中 具 有 相 对 较
好的预测性能。
· 62 · 中国管理科学 2021 年
仍然表现出明 显 优 于 其 它 模 型 的 预 测 能 力。 此 外, Sc
i e,2019,27(
enc 2):31-40.
在大多数情况下,加 入 结 构 断 点 的 GARCH 族 模 型 [
2]Mo
rana
C.A
semi
par
ame
tri
c app
roa
cht
o
sho
rt-t
erm
oi
l
画长 记 忆 性 的 GARCH 族 模 型 的 预 测 结 果 明 显 优 325-338.
[
3]Che
ong
C W.Mode
ling
and
fo
rec
ast
ing
crude
oil
mar
ket
s
于不考虑 长 记 忆 性 的 GARCH 族 模 型。 以 上 结 果
us
ing
ARCH-t
ype
mode
ls[
J].
Ene
r Po
gy l
icy,
2009,
37
表明,在预测周频油价波动率时,
3.2 节 和 3.
3节得
(
6):
2346-2355.
到的结论是稳健的。
[
4]Mohammad
i H,
Su
L.I
nte
rna
tiona
l e
videnc
e on
crude
oil
4 结语 r
pic
e dynami
cs:
App
lic
ati
ons
of
ARIMA-GARCH
mod-
e
ls[
J].
Ene
r Ec
gy onomi
cs,
2010,
32(
5):
1001-1008.
为了探讨能刻画国际原油价格波动率结构变化 [
5]Sa
li A A,Fa
su sanya
I
O.Mode
ll
ing o
il r
pie vo
c lat
il
ity
和长 记 忆 性 特 征 的 GARCH 族 模 型 是 否 在 油 价 波 wi
t s
h tr
uct
ura
l b
reaks[
J].
Ene
r Po
gy l
icy,
2013,
52:
554
动率的建模和预测 上 更 具 优 势,本 文 将 能 识 别 结 构 -562.
断点的 ICSS 算法与能刻画长记忆性的 GARCH 族 6]王金丽 .考虑国 际 原 油 市 场 复 杂 特 征 的 预 测 建 模 研 究
[
模型相结合,对 WTI和 Br
ent油价波动率进行预测 D].长沙:湖南大学,2019.
[
率中确实存在结构变化和长记忆性特征,具备不同的 t
eri
sti
cs[
D].Changsha:Hunan
Uni
ver
siy,2019.
t
[
7]Eng
le
R F.
Aut
oreg
res
sive
cond
iti
ona
l he
ter
osc
eda
sti
cit
y
波动率结构。其次,考虑混合记忆的 MMGARCH 模
wi
t e
h st
ima
tes
oft
he
var
ianc
e o
f Un
ited
Kingdom
inf
la-
型可以较好地刻画油价波动率中存在的结构变化和
t
ion[
J].
Econome
tri
cs,
1982,
50(
4):
987-1007.
长记忆性特征。另 外,同 时 考 虑 结 构 变 化 和 长 记 忆
[
8]Bo
lle
rsl
ev
T.Gene
ral
ized
aut
oreg
res
sive
cond
iti
ona
l he
t-
性特 征 可 以 提 高 模 型 对 原 油 市 场 波 动 率 的 预 测
e
roskeda
sti
ciy[
t J].J
our
nal
of Ec
onome
tri
cs,
1986,
31
性能。 (
3):
307-327.
鉴于国际油价波动率具有结构变化和长记忆性 [
9]Po
lit
is
N D.
A he
avy-t
ail
ed
dis
tri
but
ionfo
r a
rch
res
idu-
特征,原油市场参与者在对市场波动性做出预判时, a
ls
wit
h app
lic
ati
ont
o
vol
ati
li
ty
pred
ict
ion[
J].
Anna
ls
of
应该考虑油价波动 率 的 结 构 变 化 和 长 记 忆 性,构 建 Ec
onomi
csand
Fi e,
nanc 2004,
5(2):
283-298.
更加合理的模型分 析 油 价 波 动 规 律,提 高 油 价 波 动 [
10]Pan
Jizhu,Wang Hu
a i,Tong Howe
ll.Es
tima
tion and
率预测精度,从而优化投资策略,规避投资风险。 t
est
s f
or
powe
r-t
rans
formed
and
thr
esho
ld GARCH
未来还 有 若 干 可 以 继 续 拓 展 的 研 究 方 向。 例 mode
ls[
J].
Jou
rna
l o
f Ec
onome
tri
cs,
2008,
142(
1):
352
如,本文采用基于 S
t t-t 分布的 GARCH 族模
uden -378.
[
11]Ne
lson
D B.
Cond
iti
ona
l he
ter
oskeda
sti
cit i
n a
sse
t r
e-
型预测油价波动率,未 来 可 以 采 用 其 他 分 布 模 型 处 y
Cha
i J
ian,Lu
Quany
ing,Zhou
Youhong,e
t a
l.Ana
ly- [
27]Di
ebo
ld
F X,
Inoue
A.Long
memo
ry
prope
rt o
y fs
to
ck
s
isand s
tat
ist
ica
l i
nfe
renc
e o
f c
rude o
il r
pic
e change ma
rke
t r
etu
rns
and
a new l[
mode J].
Jou
rna
l o
f Ec
ono-
po
ins[
t J].Ch
ine
se J
our
nal
of Managemen
t Sc
i e,
enc me
tri
cs,
2001,
105(
2):
131-159.
2017,25(
5):33-41. [
28]Ba
il
le R T,Mo
i rana C.Mode
ll
ing
long memo
ry and
16]龚旭,林伯强 .跳跃 风 险、结 构 突 变 与 原 油 期 货 价 格 波
[ s
truc
tur
alb
re
aks
in
cond
iti
ona
l va
rianc
es:an
adap
tive
动预测[
J].中国管理科学,
2018,26(
11):11-21. FIGARCH
app
r ch [
oa J].
Jou
rna
l o
f Ec
onomi
c Dynam-
Xu,L
Gong in
Boq
iang.Jump
risk,s
truc
tur
alb
re
aks i
csand
Con
trl,
o 2009,
33(
8):
1577-1592.
and
fo
rec
ast
ing
crude
oil
fu
tur
es
vol
ati
li
ty[
J].Ch
ine
se [
29]Gr
ange
r C
W J,Hyung
N.Oc
cas
iona
l s
truc
tur
alb
re
aks
J
our
nal
of Managemen
t Sc
i e.2018,26(
enc 11):11 and
long
memo
ry[
J].
Anna
ls
of
Economi
cs
&Fi e,
nanc
-21. 2013,
14:
721-746.
[
17]Ewi
ng
B T,Ma
lik
F.Mode
ll
ing
asymme
tri
c vo
lat
il
ity
in [
30]Gr
ange
r C
W J,Hyung
N.Oc
cas
iona
l s
truc
tur
alb
re
aks
o
il
pri
ces
unde
r s
truc
tur
alb
raks[
e J].
Ene
r Ec
gy onom- and
long
memo
r wi
y t
h an
app
lic
ati
ont
ot
he
S&P
500
i
cs,
2017,
63:
227-233. abs
olu
tes
to
ck r
etu
rns [
J].J
our
nal
of Emp
iri
cal
Fi-
[
18]San
zo
S D.
A Ma
rkov
swi
tch
ing
long
memo
r mode
y l o
f e,
nanc 2004,
11:
399-421.
c
rude
oil
pr
ice
re
tur
n vo
lat
il
ity[
J].
Ene
r Ec
gy onomi
cs, [
31]Ar
our
i M,Lah
i i A,Lé
an vy A.Fo
rec
ast
ing
the
cond
i-
2018,
74:
351-359. t
iona
l vo
lat
il
ity o
f o
il spo
t and
fu
tur
e r
s pic
es wi
th
[
19]Zhang
Yue
jun,Yao
Ting,He
Lingyun,
eta
l.Vo
lat
il
ity s
truc
tur
alb
re
aks
and
long
memo
r mode
y ls[
J].
Ene
rgy
f
ore
cas
ting
ofc
rude
oil
mar
ket:
Can
the
reg
ime
swi
tc- Ec
onomi
cs,
2012,
34(
1):
283-293..
h
ing
GARCH
mode
l be
att
he
si
ngl
e-r
egime
GARCH [
32]San
zo
S D.
A Ma
rkov
swi
tch
ing
long
memo
r mode
y l o
f
mode
ls?[
J].I
nte
rna
tiona
l Re
view
of Ec
onomi
csand
c
r o
ude il
pr
ice
re
tur
n vo
lat
il
ity[
J].Ene
r Ec
gy onom-
F
i e,
nanc 2019,
59:
302-317. i
cs,
2018,
74:
351-359.
[
20]Con
t R.Emp
iri
cal
pr
ope
rti
es
ofa
ss
etr
et
urns:
stl
yiz
ed [
33]Kl
ei T,Wa
n lthe
r T.Oi
l r
pic
e vo
lat
il
it f
y o
rec
ast wi
th
f
act
s and s
tat
ist
ica
l i
s s[
sue J].Quan
tit
ati
ve F
i e,
nanc mi
xtu
re memo
ry GARCH [
J].Ene
rgy Ec
onomi
cs,
2001,
1(2):
223-236. 2016,
41:
46-58.
21]黄海南,钟伟 .
[ GARCH 类模 型 波 动 率 预 测 评 价 [
J].中 [
34]L
i i,
Muy L
i Wa
ikeung,
Li
Guodong.
On
mix
tur
e memo-
国管理科学,
2007,
15(
6):
13-19. r
y GARCH
mode
ls[
J].
Jou
rna
l o
f Time
Ser
ies
Ana
ly-
Huang Ha
inan,Zhong We
i.Eva
lua
tion on vo
lat
il
ity s
is,
2013,
34(
6):
606-624.
f
ore
cas
ting
per
formanc
e o
f GARCH-t
ype
mode
ls[
J]. [
35]Fa
ttouh
B.The
dynami
cs
ofc
rude
oil
pr
ice
dif
fer
ent
ial
s
Ch
ine
seJ
ou
rna
l o
f Managemen
t Sc
i e.2007,15(
enc 6): [
J].
Ene
r Ec
gy onomi
cs,
2010,
32(
2):
334-342.
13-19. [
36]I
ncl C,
an Ti
ao
G C.
Use
ofcumu
lat
ive
sums
ofs
qua
res
[
22]Ba
il
li
e R
T.Long
memo
ry
pro
ces
ses
and
fr
act
iona
l i
nte- f
orr
et
rospe
cti
ve
det
ect
ion
ofchange
s i
n va
ri e[
anc J].
r
gat
ion
in e
conome
tri
cs[
J].
Jou
rna
l o
f Ec
onome
tri
cs, Pub
lic
atons o
i f t
he Ame
ric
an S
tat
ist
ica
l As
soc
iat
ion,
1996,
73(
1):
5-59. 1994,
89:
913-923.
[
23]Ts
e Y
K.The
cond
iti
ona
l he
ter
osc
eda
sti
cit
y o
f t
he
yen [
37]Sans
o A,
Arr V,
ago Ca
rri
on
J L.
Tes
ting
fo
r change
in
-do
lla
r exchange
ra
te[
J].
Jou
rna
l o
f App
lied
Econo- t
he
unc
ond
iti
ona
l va
rianc
e o
f f
inanc
ial
time
se
ris[
e J].
me
tri
cs,
1998,
13(
1):
49-55. Span
ish Re
view o
f F
inanc
ial Ec
onomi
cs,2004,4:32
[
24]Huang Zhuo,L
iu Hao,Wang Ti
any
i.Mode
ling
long -53.
memo
r vo
y l
ati
li
t us
y i
ngr
ea
liz
ed
mea
sur
es
ofvo
l
ati
li
ty: [
38]Bo
lle
rsl
ev T,Mi
kke
lsen H O.Mode
li r
ng and pic
ing
A
rea
liz
ed
HAR
GARCH l[
mode J].
Economi
c Mode
l- l
ong
memo
ryi
n
sto
ck
mar
ket
vo
lat
il
ity[
J].
Jou
rna
l o
f
l
ing,
2016,
52:
812-821. Ec
onome
tri
cs,
1996,
73(
1):
151-184.
[
25]Kang
S H,
Kang
S M,
Yoon
S M.
For
eca
sti
ng
vol
ati
li
ty [
39]Hans P,
en Lunde
A.A
for
eca
stc
ompa
ris
on
ofvo
l
ati
li
ty
o
f c
rude
oil ma
rke
ts[
J].Ene
rgy Ec
onomi
cs,
2009,
31 mode
ls:
doe
s any
thi
ng be
at 1,1)? [
a GARCH ( J].
(
1):
119-125. J
our
nal
of App
lied Ec
onome
tri
cs,2005,20 (
7):873
[
26]Zhao
Luao,
t Li Kun,
u Duan
Xin
lei,
eta
l.Oi
l r
pic
e r
isk -889.
e
val
uat
i us
on i
ng
a nove
l hyb
rid
mode
l ba
sed
ont
ime- [
40]Hi
ll
ebr
and E. Neg
lec
ting pa
rame
ter
change
s i
n
va
ryi
ngl
ong
memo
ry[
J].
Ene
r Ec
gy onomi
cs,
2019,
81: GARCH
mode
ls[
J].
Jou
rna
l o
f Ec
onome
tri
cs,
2005,
129
70-78. (
1):
121-138.
· 64 · 中国管理科学 2021 年
Vo
lat
il
it Fo
y r
eca
sti
ng
of
Crude
Oil
Marke
t Ba
sed
on
Str
uct
ura
l Chang
esand
Long
Memo
ry
, , ,
ZHANG
Yu un1 2 ,ZHANG
e-j Han1 2 ,WANG
Jin-l
i12
(
1.Bus
ine
ss l,
Schoo Hunan
Uni
ver
siy,Changsha
t 410082,Ch
ina;
2.Cen
ter
fo
r Re
sou
rce
and
Env
ironmen
tal t,
Managemen Hunan
Uni
ver
siy,Changsha
t 410082,
Chna)
i
Abst
rat:The
c s
truc
tura
l change
s whi
ch mayr
esult
in
spuri
ous l
ong memor
y always
occur
in
crude
oil
mar-
ke ,
t and t
hen
they
usua
lly l
eadt
ot
he b
ias
ed est
imation
of pa
ramete
r s.Asa
resu
l ,
tt hef
eatur
es o
f st
ruc-
t
ur al
changesand
l
ong memo
ry have be
come the key
to the ra
tional mode
ling and ac
curat
e f
orec
asting
of
crude o
ilpr
i
ce vo
lati
li
ty.However,theex
i
sti
ng model
s o
ft en
only cons
ider
a c
ertain
fac
tor,oron
l
y consi
d-
e
r the
long memor
y o
r short memor
y i
n the
vola
til
ity,wh i
ch may
le
adt
ot
hei
naccur
atef
or
ecas
ting
ofc
rude
o
ilpr
ic
e vol
ati
li
ty.In
this
sit
uaton,t
i his
paper
aims t
o i
nvest
igat
e whe
thert
he
volat
il
ity
for
eca
sting
models
consi
de r
ing
structur
alchange
and
long
memor have
y be
tte
r f
ore
cas
ting
per
formance on c
rude
oil
pr
ic vo
e l
a-
ti
li
ty thant
radi
tiona
l modes,and
l whet
her
the
mixed memor GARCH
y model
consi
de r
ing
dif
feren
t memo-
r
y and vo
lat
il
ityl
evel
appearse
ff
ect
ive
in dep
ict
ingt
hecha
r
act
eri
sti
cso
fs
truct
uralchange
s
andl
ong
memo-
r
y in
crude
oil
pric
e vola
til
ity.Therefore,both o
f the
cha
rac
ter
ist
ics
are f
ocused on,and t
he GARCH-
t
ype
mode
lsi
nco
rpo
rat
ing
struc
tur
albr
e
ak
poi
nts
and
the
MMGARCH
mode
l a
re
used
to
est
ima
teand
f
ore
cas
t crude
oil
pri
ce
vol
ati
lit
y.The emp
iri
calr
esul
ts pr
ove theex
is
tence
of st
ruct
ural
changeand
l
ong
memor
y charac
teri
sti
csi
n
crude o
il
marke
t vola
til
it ,
y and ind
icat
e tha
t the model
s whi
ch inco
rpora
te the
twocha
ra
cter
ist
ics usua
lly
yie
ld
supe
rio
r f
itt
ing and
fore
cas
ting
perf
ormancet
o st
andard GARCH-t ype
models.I
n part
icul
a ,
rt he
MMGARCH modelou
tper
formso
ther
compe
tit
ive model
s onf
ore
cas
ting
crude
oi
l pr
ic vo
e la
til
ity,which
ind
icat
es tha
t the MMGARCH model
can
dynami
cal
l dep
y i
ctt
he vo
lat
ili
tyl
evel
and memory of
the
proces ,
s and t
hen capture
the
st
ruc
turalchange
sand
l
ong memory simult
aneousl
y.
The
ref
ore,t
he
MMGARCH
mode
l c
an
becons
ide
red
a he
lpf
ula
lt
erna
tive
to
make
ac
cur
ate
crude
oil
pr
ice
vo
lat
il
ity
for
ecasti
ng.
Ke wo
y rds:crude o
il
ma t;vo
rke lat
il
ity
fo
rec
ast
ing;s
truc
tur
al s;l
change
ong
memo
ry