第一章 引言
伴随着我国资本市场的不断深化改革，A股市场的复杂性和波动性也越来越大，对股价进行准确的预测不仅可以帮助投资者改善资产配置和风险管理，还可以给监管层维护市场稳定提供科学的决策依据，有着很高的产业应用价值。金融时间序列分析中波动率建模一直被当作核心研究问题，国内外学者就该问题展开过大量的研究工作，从最初的常数波动率假定开始，一直发展到后来的自回归条件异方差模型，理论体系日趋完善。但是现有的主流模型大多都假定股价收益序列服从正态分布，不能很好地刻画出股价收益序列经常出现的尖峰厚尾、波动率集群等非线性特征。尤其在适应A股特有的政策市、散户化交易等高频波动的环境下，传统的固定波动率模型存在着明显的拟合偏差和预测滞后，这是目前的研究空白。因此本文在原有基础上加入随机波动率模型，用随机过程来描述波动率的变化，建立一个适合于A股市场的股价预测分析框架，已有研究表明弹性值无约束的带跳随机波动率模型能够更好地描述市场收益率和波动率，且波动风险溢价具有稳定的市场收益率预测能力[1]。论文会详细介绍模型的基本原理、参数估计和实证步骤，主要比较它在预测精度方面所具有的优势，试图从理论上有所创新，在实践中有所指导，为后面章节的详细展开打下良好的基础。
第二章 基于随机波动率模型的股价预测体系构建与实证检验
2.1 核心概念界定与研究基础梳理
随机波动率模型把资产收益率的波动率设为服从某个随机过程latent variable的非线性时间序列模型，它和假定方差固定的传统模型相比，主要差别在于它考虑到了波动率不能被历史数据完全解释的随机新息。对于国内A股市场而言，股价预测精度特指模型对于股价未来走势以及波动范围做出的推断是否准确，它包含着点预测的误差大小，也包含着对极端风险情境的捕捉能力。波动率时变特征就是指金融资产价格波动的不稳定程度随着时间的推移而表现出来的聚集性、持续性和非对称性，在受到政策干预较多、散户参与度较高的A股市场中更加明显。从理论发展角度来说，该模型体系由最初的几何布朗运动基本形式，慢慢发展为包含均值回归、跳跃成分和杠杆效应等复杂特性的变体，从而更好地反映真实市场运行的规律。目前常用的参数估计方法主要有极大似然估计、马尔可夫链蒙特卡洛模拟（MCMC）和卡尔曼滤波算法。这些方法对于高维数据以及非正态分布的数据处理各有千秋，适用于不同的数据结构和计算环境。本研究后续的实证检验会以贝叶斯统计推断和计量经济分析为依托，用严格的数理推导来检验模型对于A股市场动态特征的解释能力，给之后的缺陷对比和优化设计提供有力的理论支持。
表1 核心概念界定与研究基础梳理
2.2 现有主流股价预测模型的波动率刻画缺陷对比
在股价预测的实证研究当中，广义自回归条件异方差（GARCH）模型以及它的变体EGARCH模型常常被当作刻画波动率的参照。GARCH模型主要利用过去平方收益的线性组合来预测当前方差，其核心公式通常表示为 。该模型虽然可以捕捉到基本的波动聚集效应，但是对于A股市场由于散户占比较高、交易情绪化明显而造成的非连续、异质性波动来说，存在着明显的拟合不足。标准GARCH模型假定残差是正态分布的，波动率对于正负冲击的反应是对称的，不能很好地适应金融资产收益普遍存在的厚尾和杠杆效应。虽然EGARCH模型用对数形式来改进对非对称冲击的捕捉，其条件方差方程为 ，但是当遇到A股特有的涨跌停板制度造成的价格跳跃和数据截断的时候，它的确定性波动率演化路径仍然不能很好地描述市场随机变化的本质。以上模型把波动率当作历史信息的确定函数，忽略了波动率自身随机扰动的来源，在极端行情的时候预测失效。因此，把波动率当作不可观测的随机变量的随机波动率模型，对于克服上述的适配性缺陷，提高股价预测的准确性有着十分重要的应用意义。
2.3 适配A股市场的随机波动率股价预测模型设计
2.3.1 模型的波动率时变参数校准规则设定
根据A股市场行情变化快、波动率突然变化的特性，创建出一套科学的、波动率随时间变化的参数校准规则，这是达成精确股价预估的关键部分。该规则试图解决传统固定参数模型对于市场剧烈波动时出现的预测滞后问题，主要原理就是通过动态调整模型参数来及时捕捉到市场的时变特征。在实际操作中首先要确定合适的历史时间窗口长度，一般取过去60到120个交易日的高频数据作为校准基础，这样既能保证数据的稳定性又能保证数据的时效性。另外还要确定参数更新的触发阈值条件，即市场出现大于预设标准差的异常价格波动时就立即开始校准。具体的实现途径就是使用贝叶斯估计和马尔可夫链蒙特卡洛（MCMC）抽样的方法，建立后验概率分布，用Gibbs抽样等算法来求解波动率参数的最优估计值。该动态校准流程可以使得模型很快地感受到A股市场非预期的波动率冲击，验证结果表明，该方法大大提高了模型对于突发性事件的反应速度，有效地减小了预测误差，给后面股价预测打下了良好的量化基础。
2.3.2 引入量价因子的模型拟合维度拓展
由于A股市场存在明显的“量价联动”现象，只用价格序列来建立传统的随机波动率模型很难完全反映市场微观结构的复杂程度。因此，在基准模型的基础上加入成交量、换手率和振幅这三个主要的量价因子，用扩大拟合维度的方式来提高预测精度。从具体的实现途径来看，建立包含量价因子的状态空间方程，把上述三种因子当作外生解释变量直接嵌入到波动率方程的均值漂移项或者波动扰动项里，然后按照历史数据的相关性分析来确定各个因子的权重赋值逻辑。改进之后，模型不再只是依靠价格的变动来进行拟合，而是可以借助成交量所体现出来的市场活跃程度、换手率所反映出的筹码分布状况以及振幅所表现出的价格稳定情况等诸多方面的信息。从理论上讲，加入量价因子之后的模型可以更好地刻画出流动性对于价格波动的影响机制，很好地克服了单一价格序列在极端行情下滞后的问题，从而大大提高了模型对于A股股价运行逻辑的解释能力以及预测的稳定性。
2.4 实证样本选取与预测效果多维度验证
2.4.1 不同行情区间下的预测精度对比实验
为了对引入量价因子的随机波动率模型在A股市场的实际应用情况以及稳健性进行全方位的评价，本节将实证样本按照市场典型走势特征，分成上涨趋势区间、下跌趋势区间和横盘震荡区间这三种情景来开展对比实验。从操作上讲，根据大盘指数走势以及个股波动特征，把样本数据分成不同的类别并加以标记，再将其输入到模型里进行训练和回测，最后统计出各种行情下预测均方根误差、平均绝对百分比误差等主要精度指标。实验结果表明，该模型对于上涨和下跌趋势都有较好的捕捉能力，在波动比较复杂的横盘震荡区间，由于对量价因子进行了深入的分析，所以仍然可以较好的过滤掉噪声，并且可以准确地刻画出波动。通过对不同行情下预测误差分布情况的对比可知，模型在各种情况下误差波动幅度都比较小，没有出现明显的精度离散情况。该结果从底层逻辑上证明了加入量价因子可以很好地弥补单一价格信息在震荡市中所存在的不足，说明该模型在A股各种主流的行情下都能保持稳定的波动率刻画以及股价预测表现，有很高的实践应用价值。
2.4.2 与GARCH类基准模型的预测绩效差异分析
为了保证本文建立的随机波动率模型在实际运用中是有效的，本节把该模型同目前金融时间序列分析中常用的GARCH、EGARCH等传统基准模型放在一起做对比实验。实验严格按照同样本区间、同评价维度的原则，在全样本周期内同时运行两种模型，最后得到它们的预测绩效指标得分。在此基础上，用Diebold-Mariano等统计检验方法来检验两类模型预测误差的差异性是否显著，以此来判断性能优势是否具有统计上的稳健性，排除偶然因素的影响。从对比结果可以看出，本研究模型的各项关键指标都比基准模型好。对其优势成因进行深入剖析，主要表现在两个方面，一方面随机波动率模型由于其更加灵活的时变参数设置，大大提高了对于市场极端波动和杠杆效应的捕捉能力，可以更好地体现波动率的集聚特征；另一方面，在股价走势的重要转折点预测上，它很好地克服了传统模型反应慢的缺点，具有更强的预见性和敏感性，给投资决策提供更加可靠的量化依据。
2.5 随机波动率模型股价预测结果的实践应用边界讨论
根据随机波动率模型得到的股价预测结果，在实际使用过程中存在一定的范围，需要依靠实证检验数据来对它的适用范围做出严格的界定。模型对于不同的市值规模、交易活跃度的个股表现不一样。对于高流动性、市值较大的蓝筹股来说，市场价格发现机制比较完善，模型可以较好地捕捉到波动聚集性，预测精度较高；而对于交易清淡的小市值股票，由于价格容易被少量资金所操纵，模型会低估实际的波动风险。其次，在遇到极端黑天鹅事件造成股价无规则跳空或者长期停牌复牌后出现异常交易情况的时候，该模型就存在着明显的不足。由于随机波动率模型一般假定资产价格是连续变化的，不能用历史参数来很好地量度突发性断崖式下跌或者暴涨造成的结构性断裂，从而造成预测值和实际走势有较大的偏差。所以，在使用该体系的时候，要依照具体的市场环境来对模型参数做相应的调整。对高波动或者特殊事件期，可以加入跳跃扩散因子或者改变波动率均值回归的速度，从而提高模型对极端行情的适应能力。确定这些应用边界并加以有针对性的参数优化，这是防止研究结论被过度泛化、保证预测策略在金融实战中有效的前提。
第三章 结论
本文用随机波动率模型来预测A股市场的股价，对模型在捕捉市场时变特征方面的有效性做了系统的整理。研究表明，相比于传统的常数波动率假设，随机波动率模型可以更好的反映出A股市场高波动、非线性的运行特征。利用设计好的波动率时变参数校准规则，可以很好地解决模型在极端行情下出现的拟合偏差问题，从而提高价格序列的预测精度。同时引入量价因子的模型拓展思路，把交易量和价格变动结合起来，克服了单一价格数据信息维度的不足，使模型在解释价格形成机制的时候有更强的逻辑支持和实际表现，实证结果表明，在多组回测中，它比没有引入量价因子的基准模型要好。根据目前A股量化交易领域实际需要，该模型可以作为创建高频交易策略或者风险控制系统的关键技术模块，在市场风格快速转换的时候，给投资决策赋予更为超前的波动率预警参照。但是本研究还存在一些不足，主要表现在对于突发性政策冲击的反应速度还有待提高，在大规模数据应用中参数计算效率也存在困难。后续的研究可以加入宏观经济指标或者机器学习算法来改善模型的结构，从而提高模型对于复杂市场环境的适应能力以及计算速度。
参考文献
\[1\]叶五一, 陆欣, 陈鹏展. 中国波指隐含的波动率风险溢价研究:基于带跳随机波动率模型的实证分析[J]. 系统工程学报, 2023, 38(6): 765-777.
\[2\]叶五一[1];陆欣[1];陈鹏展[1]. 中国波指隐含的波动率风险溢价研究:基于带跳随机波动率模型的实证分析[J]. 系统工程学报, 2023(6).