汇报时间：2021.09.13

汇报地点：华南理工大学12号楼106

汇报人：龚学，何小雷

2021年4月09日，课题组本次汇报由王超老师主持，汇报人包括龚学和何小雷，主要详细介绍各自近期的工作进度情况。同时邀请各位课题组成员参与交流讨论，共同学习和分享。

首先，报告题目《Forecastingstock volatility with a large set of predictors: A new forecast combinationmethod》，本文研究了在大数据环境下如何利用海量因子来提高股市波动率预测。通过选取来自不同层面的86个波动率预测指标或潜在预测指标，利用提出的一种新预测组合方法研究波动率的预测精度。本文发现，所提出模型的预测精度相较于已有的预测组合模型有明显改善，并且这种改善的结果是稳健的。进一步，文章探讨了波动率预测精度与预测变量的关系，结果表明：当存在强有力的波动率预测变量时，预测精度会随着样本内有效预测因子的加入而降低。但是，当不存在强有力的波动率预测变量时，预测精度会随着因子的增加先增加后减少。指标进行宏观因素剔除等。这些意见为该同学进一步完善工作提供了巨大帮助。

针对龚学的研究，赵媛提出了基准参考模型是不包含外部信息的，这样的参考是否合理有效，应该考虑使用包含相同预测信息的模型作为基准。王超老师认为，龚学当前的研究考虑了新西兰和美元汇率的指标，这和VIX是否相关？其次，由于自变量的已实现波动率，通过已实现波动率预测波动率是否有透视信息的嫌疑。最后王超老师认为该研究的创新点还需要提炼，实证部分还需要进一步强化。

图表1龚学汇报1

图表2龚学汇报2

何小雷作为第二汇报人，主要介绍了其近期修改的一篇基于情景树的投资组合研究。本文基于已有的研究，针对以最小化高阶风险测度为目标的投资组合模型，利用有效情景的概念设计了一个情景缩减方法。当我们删除某个情景或情景集合时，如果我们的优化模型的最优解发生了改变，那么我们就说这个情景或情景集合是有效的，反之就是无效的。而且，利用我们的结果，我们可以直接得到以CVaR为目标的优化模型的有效情景集合，该集合和已有的研究结果是一致的。

图表3何小雷汇报

针对何小雷所做的汇报，王超老师认为，其理论证明部分没有太大问题。但对于实证研究部分，其可能存在的结果是复杂的，也需要多因素调节，因此需要尽快完成全部工作。

最后，本次会议大约在5点20分结束，各位同学和老师积极参与本次汇报，相互学习，增进了解，为项目组进一步完善完成各项必要工作打下坚实基础。