GEDGARCH模型沪深基金收益率波动性研究.doc

GEDGARCH模型沪深基金收益率波动性研究.doc

ID:25035161

大小:56.51 KB

页数:9页

时间:2018-11-17

GEDGARCH模型沪深基金收益率波动性研究.doc_第1页
GEDGARCH模型沪深基金收益率波动性研究.doc_第2页
GEDGARCH模型沪深基金收益率波动性研究.doc_第3页
GEDGARCH模型沪深基金收益率波动性研究.doc_第4页
GEDGARCH模型沪深基金收益率波动性研究.doc_第5页
资源描述:

《GEDGARCH模型沪深基金收益率波动性研究.doc》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、王吉培,张哲(西南财经大学统计学院,四川成都610074)摘要:本文对不同分布假定的ARCH族模型进行了比较,发现基于GED的GARCH类模型较好地解释了收益率分布的尖峰性和厚尾性,并在此基础上选取我国基金市场的日收益率观测数据进行实证分析,对收益率的波动性进行研究,试图找出我国基金市场价格分布的合理解释。关键词:波动性;GED;GARCH;杠杆效应Abstract:ThispapercomparestheassumptionthatthedistributionofdifferentethnicARCHmodelsandfindsthattheG

2、ARCHmodelbasedonthedistributionofGDEcanbeusedtoexplainbetterthepeakandthicktailfeatureoftheyieldseriesdistribution.Onthebasis,itanalysesthedailyyieldseriesofChina'sfundmarket,anddoessomeresearchonthevolatilityoftheyieldseries,tryingtopresentareasonableexplanationonthedistribut

3、ionofthefundmarketprice.Keywords:Volatility;GED;GARCH;Leverage中图分类号F064.1文献标识码A一、引言关于收益率尾部的刻画一般假设一种理想情况,即服从正态分布,但这种完美的情况一般是不成立的,为了更好的去描述日收益率的厚尾性,一些学者提出了另外一些分布的模型。Bollerslev提出了一个未知自由度的t分布的GARCH模型,自由度可以从数据中估计。当4<<∞时,收益的峰度大于正态分布,当→∞,分布收敛于正态。另一个刻画收益厚尾性的分布是Nelson提出的广义误差分布(GED)。分布密度

4、用形状参数来刻画,当=2时,分布为正态;<2时,分布高峰厚尾;>2时,分布的尾部比正态薄。为了更好的解释基金收益率分布中观测到的尖峰和偏度,我们并没有按照一般建模的思路,把扰动项简单的假设为正态分布,而是建立基于GED的ARCH族模型进行波动性研究,针对上述模型我们选取了我国基金市场的日收益率观测数据进行了实证分析,找出我国基金市场价格分布的合理解释。 二、GARCH族模型及其扰动项分布假定由于金融类时间序列,如收益率时间序列,往往具有时变性特点,其方差会随着时间变化而变化,呈现出异方差特征,对金融类时间序列的刻画,主流的研究方法都是建立在ARCH

5、类模型的基础上进行的。 (一)GARCH模型。波动率实际上也是一个随时间变动的趋势,因此,要探讨波动率的稳定性和可预测性,我们可以引入GARCH(广义自回归条件异方差)模型来对波动率进行建模。GARCH模型是ARCH模型族中的一种带异方差的时间序列建模的方法[1]。一般的GARCH(1,1)模型可以表示为:GARCH模型一般由两个方程组成,一个是条件均值方程,另一个是条件方差方程。模型的一般表达式可写成:(1)其中为条件方差,为独立同分布的随机变量,与互相独立,参数满足条件,一般常假定为标准正态分布,另外,以上模型中<1,蕴涵GARCH过程为宽平稳

6、。如果将此限制放宽即是积分型GARCH模型,即IGARCH模型。对于IGARCH模型而言,无条件方差并不存在。(二)关于GARCH模型的扰动项的分布的假设。关于GARH模型的扰动项的分布,一般会有3个假设:Normal(Gaussian)(正态高斯)分布,Student-t(t)分布,GeneralizedErrorDistribution(GED)(广义误差分布)。在给定分布假设下,GARCH模型常用极大似然估计法进行估计,似然函数可通过对偶牛顿算法或信赖域算法极大化得到[1]。下面介绍这三种分布的对数似然函数。1、对于扰动项服从Normal(G

7、aussian)分布的GARCH(1,1)模型,它的对数似然函数为:(2)这里的是的条件方差。2、对于扰动项服从Student-t分布的GARCH(1,1)模型,它的对数似然函数为:(3)参数的估计变成了在自由度的约束下是对数似然函数最大化的问题。当时,Student-t分布接近于正态分布。3、对于扰动项服从GeneralizedErrorDistribution(GED)分布的GARCH(1,1)模型,它的对数似然函数为:(4)这里的。为GED参数,或自由度,它控制着分布尾部的薄厚程度,表示尾部比正态分布更厚,表示GED分布退化为标准正态分布;则

8、说明尾部比正态分布更薄。三、实证研究1、指标选择。本文选取沪市基金指数和深市基金指数来代表两个基金市场,采用的样本区间为2

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。