一种股票波动率预测方法及系统技术领域
本发明涉及信息处理技术领域，尤其涉及一种股票波动率预测方
法及系统。
背景技术
股票波动率(即股票收益率的方差)是度量股票市场风险的常用指
标，波动率是实时变化的，国内外学者构造了各种复杂的统计模型来
捕捉波动率的时变性。
基于历史数据计算股票间协方差矩阵的方式，称为RiskMetrics
方法，利用该方法计算股票间协方差矩阵的过程是：
假设m只股票的历史收益为y1，y2，…yn，其中，yi表征了i时
刻m只股票之间的收益率(yi为m×1的列向量)。
表示了下一期m只股票之间的协方差矩阵的估计值，利用该估计
值可以计算该m只股票所构成的任意投资组合在下一期的波动率。
利用RiskMetrics方法提供的股票之间的协方差矩阵计算股票波
动率时，存在对于包含较多股票的投资组合需要利用过多的历史数据，
当市场发生变化时，估计的参数过多，需要用较长的历史数据，而金
融市场变化很快，当前的市场与历史数据分布不同，而用较短的数据
估计，估计数据不精准。另外，利用RiskMetrics方法使得数据扩展
性差，每次计算不同的投资组合的波动率，数据要重新准备，重新计
算，花费较多的时间。
发明内容
鉴于目前波动率计算存在的上述不足，本发明提供一种股票波动
率预测方法及系统，用户需要获取输入的股票及股票投资组合的波动
率时仅需从风险控制模型数据库中调取数据，根据该数据进行计算即
可，大大减少了计算时间，并且由于计算各部分数值时所需历史数据
较RiskMetrics方法少，计算精确度高。
为达到上述目的，本发明的实施例采用如下技术方案：
一种股票波动率预测方法，所述股票波动率预测方法包括如下步
骤：
根据各股票每日收盘时交易行情数据建立股票风险控制模型数据
库；
接收输入的股票代码、股票代码对应的板块权重，设置股票价格走
势的起止时间；
从风险控制模型数据库读取预先根据前一日收盘时交易行情数据
计算出的风险控制参数值；
根据股票代码、股票代码对应的板块权重、股票价格走势的起止
时间及股票风险控制参数值计算出股票和/或股票投资组合在股票价
格走势的起止时间内的波动率。
依照本发明的一个方面，所述根据各股票每日收盘时交易行情数
据建立股票风险控制模型数据库步骤中具体包括以下步骤：收集各股
票每日收盘时交易行情数据；根据各股票每日收盘时交易行情数据确
定股票风险因子；根据股票每日收盘时交易行情数据及股票风险因子
确定股票的收益回报率及收益回报率中的因子回报和残差回报；根据
因子回报、残差回报计算出因子回报的协方差矩阵和残差波动率；对
计算出的股票风险因子、因子回报、因子回报的协方差矩阵以及残差
波动率进行处理形成股票风险控制参数值；根据每日各股票风险控制
参数值建立风险控制模型数据库。
依照本发明的一个方面，所述根据股票代码、股票代码对应的板
块权重、股票价格走势的起止时间及股票风险控制参数值计算出股票
和/或股票投资组合在股票价格走势的起止时间内的波动率步骤执行
后执行以下步骤：根据股票及股票投资组合在股票价格走势的起止时
间内的波动率得到股票价格涨幅的慢速线、中速线和高速线，判断出
股票最佳买入点及卖出的最高价格和最低价格。
一种股票波动率预测系统，所述股票波动率预测系统包括：
风险控制数据库模块，用于根据各股票每日收盘时交易行情数据建
立股票风险控制模型数据库；
股票信息接收模块，用于接收输入的股票代码、股票代码对应的板
块权重，设置股票价格走势的起止时间；
风险控制参数值获取模块，用于从风险控制模型数据库读取预先根
据前一日收盘时交易行情数据计算出的风险控制参数值；
波动率计算模块，用于根据股票代码、股票代码对应的板块权重、
股票价格走势的起止时间和/或股票风险控制参数值计算出股票及股
票投资组合在股票价格走势的起止时间内的波动率。
依照本发明的一个方面，所述股票波动率预测系统还包括：股票
交易数据获取模块，用于收集各股票每日收盘时交易行情数据。
依照本发明的一个方面，所述股票波动率预测系统还包括：风险
因子确定模块，用于根据各股票每日收盘时交易行情数据确定股票风
险因子。
依照本发明的一个方面，所述股票波动率预测系统还包括：收益
回报确定模块，用于根据股票每日收盘时交易行情数据及股票风险因
子确定股票的收益回报率及收益回报率中的因子回报和残差回报。
依照本发明的一个方面，所述股票波动率预测系统还包括：协方
差矩阵计算模块，用于根据因子回报报计算出因子回报的协方差矩阵。
依照本发明的一个方面，所述股票波动率预测系统还包括：残差
波动率计算模块，用于根据残差回报计算出股票的残差波动率。
依照本发明的一个方面，所述股票波动率预测系统还包括：风险
控制参数形成模块，用于对计算出的股票风险因子、因子回报、因子
回报的协方差矩阵以及残差波动率进行处理形成股票风险控制参数
值。
本发明实施的优点：通过根据各股票每日收盘时交易行情数据建立
股票风险控制模型数据库；接收输入的股票代码、股票代码对应的板块
权重，设置股票价格走势的起止时间；从风险控制模型数据库读取预先
根据前一日收盘时交易行情数据计算出的风险控制参数值；根据股票代
码、股票代码对应的板块权重、股票价格走势的起止时间及股票风险控
制参数值计算出股票和/或股票投资组合在股票价格走势的起止时间内
的波动率，采用股票波动率预测系统，用户需要获取输入的股票及股票
投资组合的波动率时仅需从风险控制模型数据库中调取数据，根据该数
据进行计算即可，大大减少了计算时间，并且由于计算各部分数值时所
需历史数据较RiskMetrics方法少，计算精确度高。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例
中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图
仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付
出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明所述的一种股票波动率预测方法的实施例1的方法
流程图；
图2为本发明所述的一种股票波动率预测方法的实施例2的方法
流程图；
图3为本发明所述的一种股票波动率预测系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方
案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部
分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普
通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，
都属于本发明保护的范围。
实施例1：
如图1所示，股票波动率预测方法，所述股票波动率预测方法包
括如下步骤：
步骤S1：根据各股票每日收盘时交易行情数据建立股票风险控制模
型数据库；
所述步骤S1：根据各股票每日收盘时交易行情数据建立股票风险
控制模型数据库步骤中具体包括以下步骤：收集各股票每日收盘时交
易行情数据；根据各股票每日收盘时交易行情数据确定股票风险因
子；根据股票每日收盘时交易行情数据及股票风险因子确定股票的收
益回报率及收益回报率中的因子回报和残差回报；根据因子回报、残
差回报计算出因子回报的协方差矩阵和残差波动率；对计算出的股票
风险因子、因子回报、因子回报的协方差矩阵以及残差波动率进行处
理形成股票风险控制参数值；根据每日各股票风险控制参数值建立风
险控制模型数据库。
由于股票波动率的预测系统可以每日自动计算风险因子、股票风险
因子的因子回报、因子回报的协方差矩阵以及残差波动率数据值，并且
自动存入风险控制模型数据库，用户需要获取输入的投资组合的波动率
时仅需从风险控制模型数据库中调取数据，根据该数据进行计算。
根据公式y＝Xf+ε计算因子回报的协方差矩阵及残差波动率，其中，
y表示股票池中股票的超无风险利率收益，即股票的回报减去无风险利
率，是可以从日频交易数据中的每日个股收益率中直接提取出来的，X
表示股票风险因子的值，可根据各股票每日收盘时交易行情数据确定，
f表示股票风险因子可解释部分的因子回报，ε表示不能由股票风险因
子所解释部分的残差回报。
通过如下所述的公式计算因子回报的协方差矩阵：
其中，fi表示i时刻股票风险因子的因子回报，i∈[0，T]，λ表
示因子回报的权重的衰减速度，和长半衰期L的对应关系满足：L等于
-log2(λ)的整数部分，为T+1时刻的股票风险因子的因子回报的协方
差矩阵。
根据y＝Xf+ε，将股票的超无风险利率收益表示成两个部分，则相
应的，y的协方差矩阵可以表示为Cov(y)：
Cov(y)＝XFXT+Δ，可以看出，Cov(y)分成两部分：
其中，F＝Cov(f)为因子回报的协方差矩阵，Δ为股票的残差波动率
矩阵：
其中，δ1为第一只股票的残差波动率，δn为第n只股票的残差
波动率。
在实施残差波动率计算之前，首先对回归得到的残差回报εt进行
平稳性、自相关性检验，经检验发现序列之间存在自相关性和偏相关性，
且残差回报并非标准正态分布，呈现尖峰厚尾的趋势，因此采取GARCH
方法对残差波动率进行估计，并且经过考察经GARCH估计的波动率调整
后的残差的确是服从白噪声过程。估计公式如下(其中，σt为股票的
残差波动率)：εt＝μ+ζt其中，ζt＝σtzt，σ
t2＝κ+γσt-12+αζt-12，k>0，εt是残差回报。σt为残差回报在t
时刻的残差波动率，zt为正态分布，κ，γ，α为GARCH中的参数，由
残差历史数据估计得到。
实践证明，a)、σ和上一期的残差波动率以及其滞后一期的残差波
动率有关，适用于波动率长期自相关过程，度量了其波动聚集效应。
步骤S2：接收输入的股票代码、股票代码对应的板块权重，设置股
票价格走势的起止时间；
投资者构造投资组合时，可以向股票波动率预测系统中输入待构
造的投资组合中的各个股票的股票代码，投资组合中的股票代码对应
的板块权重，以及需要预测的波动率的起止时间，其中该投资组合中
可以包括一只股票，也可以包括多只股票。
步骤S3：从风险控制模型数据库读取预先根据前一日收盘时交易
行情数据计算出的风险控制参数值；
风险控制参数包括股票风险因子、股票风险因子的因子回报、因子
回报的协方差矩阵以及残差波动率，所述残差波动率是不能由股票风险
因子所解释部分回报的波动率。
步骤S4：根据股票代码、股票代码对应的板块权重、股票价格走
势的起止时间及股票风险控制参数值计算出股票和/或股票投资组合
在股票价格走势的起止时间内的波动率。
根据基础数据分别计算得到股票风险因子、股票风险因子的因子
回报、因子回报的协方差矩阵以及残差波动率，并将其存入风险控制
模型数据库，以备后续根据用户输入的投资组合中的各股票代码、各
股票代码对应的权重、起止时间进行股票波动率的计算，以帮助投资
者制定投资组合。当然，后续根据该些数据，以及用户输入的投资组
合中的股票代码、对设定的某一日期，计算投资组合中的股票代码对
应的股票的协方差矩阵，结合投资组合中的股票代码对应的阿尔法
alpha值进行股票绩效分析和绩效归因分析，当然也可以进行风险归因
分析和风险分析，投资者根据分析结果可以利用一些成熟的现有技术
确定投资组合中的各股票的权重，以调整投资策略。其中，在进行股
票收益回报时，将股票收益回报分解为因子回报和残差回报两部分，
将股票协方差矩阵的计算分解为因子回报的协方差矩阵的计算和残差
波动率的计算，由于多只股票的收益之间的相关关系变化较大，但是
因子和因子之间的关系相对比较稳定，从而计算股票的协方差矩阵所
需要的历史数据较短；其次，由于因子相对于股票的个数往往较少，
如估计1000只股票的协方差矩阵，需要估计1000×1000/2个参数，
而如果选取34个因子，只需估计34×34/2+1000个参数，大大减小了
估计量，因为估计更加精准。
通过根据各股票每日收盘时交易行情数据建立股票风险控制模型
数据库；接收输入的股票代码、股票代码对应的板块权重，设置股票
价格走势的起止时间；从风险控制模型数据库读取预先根据前一日收
盘时交易行情数据计算出的风险控制参数值；根据股票代码、股票代
码对应的板块权重、股票价格走势的起止时间及股票风险控制参数值
计算出股票和/或股票投资组合在股票价格走势的起止时间内的波动
率，通过上述步骤，用户需要获取输入的股票及股票投资组合的波动
率时仅需从风险控制模型数据库中调取数据，根据该数据进行计算即
可，大大减少了计算时间，并且由于计算各部分数值时所需历史数据
较RiskMetrics方法少，计算精确度高。
实施例2：
如图2所示，一种股票波动率预测方法，所述股票波动率预测方
法包括如下步骤：
步骤S1：根据各股票每日收盘时交易行情数据建立股票风险控制模
型数据库；
所述步骤S1：根据各股票每日收盘时交易行情数据建立股票风险
控制模型数据库步骤中具体包括以下步骤：收集各股票每日收盘时交
易行情数据；根据各股票每日收盘时交易行情数据确定股票风险因
子；根据股票每日收盘时交易行情数据及股票风险因子确定股票的收
益回报率及收益回报率中的因子回报和残差回报；根据因子回报、残
差回报计算出因子回报的协方差矩阵和残差波动率；对计算出的股票
风险因子、因子回报、因子回报的协方差矩阵以及残差波动率进行处
理形成股票风险控制参数值；根据每日各股票风险控制参数值建立风
险控制模型数据库。
由于股票波动率的预测系统可以每日自动计算风险因子、股票风险
因子的因子回报、因子回报的协方差矩阵以及残差波动率数据值，并且
自动存入风险控制模型数据库，用户需要获取输入的投资组合的波动率
时仅需从风险控制模型数据库中调取数据，根据该数据进行计算。
根据公式y＝Xf+ε计算因子回报的协方差矩阵及残差波动率，其中，
y表示股票池中股票的超无风险利率收益，即股票的回报减去无风险利
率，是可以从日频交易数据中的每日个股收益率中直接提取出来的，X
表示股票风险因子的值，可根据各股票每日收盘时交易行情数据确定，
f表示股票风险因子可解释部分的因子回报，ε表示不能由股票风险因
子所解释部分的残差回报。
通过如下所述的公式计算因子回报的协方差矩阵：
其中，fi表示i时刻股票风险因子的因子回报，i∈[0，T]，λ表
示因子回报的权重的衰减速度，和长半衰期L的对应关系满足：L等于
-log2(λ)的整数部分，为T+1时刻的股票风险因子的因子回报的协方
差矩阵。
根据y＝Xf+ε，将股票的超无风险利率收益表示成两个部分，则相
应的，y的协方差矩阵可以表示为Cov(y)：
Cov(y)＝XFXT+Δ，可以看出，Cov(y)分成两部分：
其中，F＝Cov(f)为因子回报的协方差矩阵，Δ为股票的残差波动率
矩阵：
其中，δ1为第一只股票的残差波动率，δn为第n只股票的残差
波动率。
在实施残差波动率计算之前，首先对回归得到的残差回报εt进行
平稳性、自相关性检验，经检验发现序列之间存在自相关性和偏相关性，
且残差回报并非标准正态分布，呈现尖峰厚尾的趋势，因此采取GARCH
方法对残差波动率进行估计，并且经过考察经GARCH估计的波动率调整
后的残差的确是服从白噪声过程。估计公式如下(其中，σt为股票的
残差波动率)：εt＝μ+ζt其中，ζt＝σtzt，σ
t2＝κ+γσt-12+αζt-12，k>0，εt是残差回报。σt为残差回报在t
时刻的残差波动率，zt为正态分布，κ，γ，α为GARCH中的参数，由
残差历史数据估计得到。
实践证明，a)、σ和上一期的残差波动率以及其滞后一期的残差波
动率有关，适用于波动率长期自相关过程，度量了其波动聚集效应。
步骤S2：接收输入的股票代码、股票代码对应的板块权重，设置股
票价格走势的起止时间；
投资者构造投资组合时，可以向股票波动率预测系统中输入待构
造的投资组合中的各个股票的股票代码，投资组合中的股票代码对应
的板块权重，以及需要预测的波动率的起止时间，其中该投资组合中
可以包括一只股票，也可以包括多只股票。
步骤S3：从风险控制模型数据库读取预先根据前一日收盘时交易
行情数据计算出的风险控制参数值；
风险控制参数包括股票风险因子、股票风险因子的因子回报、因子
回报的协方差矩阵以及残差波动率，所述残差波动率是不能由股票风险
因子所解释部分回报的波动率。
步骤S4：根据股票代码、股票代码对应的板块权重、股票价格走
势的起止时间及股票风险控制参数值计算出股票和/或股票投资组合
在股票价格走势的起止时间内的波动率。
根据基础数据分别计算得到股票风险因子、股票风险因子的因子
回报、因子回报的协方差矩阵以及残差波动率，并将其存入风险控制
模型数据库，以备后续根据用户输入的投资组合中的各股票代码、各
股票代码对应的权重、起止时间进行股票波动率的计算，以帮助投资
者制定投资组合。当然，后续根据该些数据，以及用户输入的投资组
合中的股票代码、对设定的某一日期，计算投资组合中的股票代码对
应的股票的协方差矩阵，结合投资组合中的股票代码对应的阿尔法
alpha值进行股票绩效分析和绩效归因分析，当然也可以进行风险归因
分析和风险分析，投资者根据分析结果可以利用一些成熟的现有技术
确定投资组合中的各股票的权重，以调整投资策略。其中，在进行股
票收益回报时，将股票收益回报分解为因子回报和残差回报两部分，
将股票协方差矩阵的计算分解为因子回报的协方差矩阵的计算和残差
波动率的计算，由于多只股票的收益之间的相关关系变化较大，但是
因子和因子之间的关系相对比较稳定，从而计算股票的协方差矩阵所
需要的历史数据较短；其次，由于因子相对于股票的个数往往较少，
如估计1000只股票的协方差矩阵，需要估计1000×1000/2个参数，
而如果选取34个因子，只需估计34×34/2+1000个参数，大大减小了
估计量，因为估计更加精准。
步骤S5：根据股票及股票投资组合在股票价格走势的起止时间内
的波动率得到股票价格涨幅的慢速线、中速线和高速线，判断出股票
最佳买入点及卖出的最高价格和最低价格。
一种股票波动率预测系统的实施例：
一种股票波动率预测系统，所述股票波动率预测系统包括：
风险控制数据库模块1，用于根据各股票每日收盘时交易行情数据
建立股票风险控制模型数据库；
股票信息接收模块2，用于接收输入的股票代码、股票代码对应的
板块权重，设置股票价格走势的起止时间；
风险控制参数值获取模块3，用于从风险控制模型数据库读取预先
根据前一日收盘时交易行情数据计算出的风险控制参数值；
波动率计算模块4，用于根据股票代码、股票代码对应的板块权重、
股票价格走势的起止时间及股票风险控制参数值计算出股票和/或股
票投资组合在股票价格走势的起止时间内的波动率。
在实施例中，股票波动率预测系统还包括：股票交易数据获取模
块5，用于收集各股票每日收盘时交易行情数据。
在实施例中，股票波动率预测系统还包括：风险因子确定模块6，
用于根据各股票每日收盘时交易行情数据确定股票风险因子。
在实施例中，股票波动率预测系统还包括：收益回报确定模块7，
用于根据股票每日收盘时交易行情数据及股票风险因子确定股票的收
益回报率及收益回报率中的因子回报和残差回报。
在实施例中，股票波动率预测系统还包括：协方差矩阵计算模块8，
用于根据因子回报报计算出因子回报的协方差矩阵。
在实施例中，股票波动率预测系统还包括：残差波动率计算模块9，
用于根据残差回报计算出股票的残差波动率。
在实施例中，股票波动率预测系统还包括：风险控制参数形成模
块10，用于对计算出的股票风险因子、因子回报、因子回报的协方差
矩阵以及残差波动率进行处理形成股票风险控制参数值。
本发明实施的优点：通过根据各股票每日收盘时交易行情数据建
立股票风险控制模型数据库；接收输入的股票代码、股票代码对应的
板块权重，设置股票价格走势的起止时间；从风险控制模型数据库读
取预先根据前一日收盘时交易行情数据计算出的风险控制参数值；根
据股票代码、股票代码对应的板块权重、股票价格走势的起止时间及
股票风险控制参数值计算出股票和/或股票投资组合在股票价格走势
的起止时间内的波动率，采用股票波动率预测系统，用户需要获取输
入的股票及股票投资组合的波动率时仅需从风险控制模型数据库中调
取数据，根据该数据进行计算即可，大大减少了计算时间，并且由于
计算各部分数值时所需历史数据较RiskMetrics方法少，计算精确度
高。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并
不局限于此，任何熟悉本领域技术的技术人员在本发明公开的技术范
围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。
因此，本发明的保护范围应以所述权利要求的保护范围为准。