谢天教授线上讲座：预测加密货币实际波动率的组合方法研究

讲座概况

2022 年 11 月 29 日下午。浙江大学资本市场研究中心开展了活动。举办的是“紫金港资本”系列讲座的第 41 讲。并且此次讲座是线上进行的。这次讲座重点在加密货币领域，主要研究了各种组合方法对预测加密货币实际波动率（RV）的影响，还将其与 HAR 族模型以及粗糙波动率模型中有代表性的个体模型进行了比较，给观众呈现了前沿学术研究成果。

区块链与加密货币

区块链属于分布式账本技术（DLT）。它是由不断增加的记录列表组成，这些记录列表被称作“区块”。并且这些记录是通过加密技术相互连接的。区块链存在公有链、私有链、联盟链和混合链等不同类型。加密数字货币借助区块链技术进行交易的记录与保护，已被投资者普遍认可为资产管理的重要工具，并且有不少加密货币能够经由 Binance、Coinbase 等这类交易所兑换为法定货币。

波动率研究现状

每日实际波动率（RV）的建模与预测在学术文献中被广泛关注。目前，多数研究集中于股票、外汇或债券市场。然而，加密货币实际波动率的研究进展迅速。研究不但计算了 10 种有代表性的加密货币的 RVs，还给出了第一行和第一列分别对应 10 种加密货币以及相关统计数据和测试结果。

预测策略介绍

研究对单一 RV 预测策略在样本外的性能进行了检验，此策略包含粗糙波动率模型的 2 种策略，即 fBm 和 fOU。并且，还将这 10 种策略当作候选，考虑了 6 种预测组合方法。以 BTC 数据为实例，设定相关参数，利用预测数据的完整样本对算法展开训练，依据特定序列来对权重进行估计。

权重变化情况

在几乎所有日期的子图中，fBm 模型所被赋予的权重，在绝对值方面比其他模型的权重要更大。有些权重会随着时间的推移，从正的变为负的，比如 HAR - SJ - II 模型。在 2021 年 5 月 19 日这个有着较大“峰值”的日子之后，HAR 族模型权重的波动相较于之前变小了。

研究结果意义

实证结果显示，单个模型相比，预测组合方法总体更具优越性。这表明模型存在不确定性，同时也凸显出需采用预测组合方法来提升加密货币波动预测的准确性。对估计权重的研究进一步表明，预测者具有潜在的群体结构，且该群体与 RV 模型的两族相契合。这场讲座使观众初步了解到组合方法对预测加密货币实际波动率所产生的影响。

读完本文后，你认为预测组合方法在未来加密货币市场中会起到何种作用？欢迎大家展开评论互动，并且希望大家能够点赞以及分享本文。