对金融资产波动率大小的测度及其动力学机制的刻画,是现代金融理论的核心内容之一。从本质上讲,由于高频数据中蕴含着比低频数据更多的市场波动信息,因此,基于高频数据的波动率一定是一种更加精确的市场波动描述。但是,最近一些研究开始发现,基于低频数据的波动率模型在市场波动率的预测、最优资产组合的选择以及金融风险管理等领域,反而表现出了比高频数据更优的实证结果。我们认为,出现这一理论与实证矛盾的关键原因在于,现有的主流波动率研究方法割裂了不同时间标度上的市场波动信息。因此,本课题的研究目标在于,运用复杂性科学中的多分形(Multifractal fractal)理论和工具,将不同时间标度上的波动率信息(低频信息和高频信息)纳入一个统一和连续的分析框架,从而建立一种新的金融市场波动率测度方法及其动力学模型,并进一步探讨其在相关实际应用中的表现。
英文主题词Multifractal; Volatility measurement; Forecasting models; Time scale; High-frequency data