双长记忆GARCH族模型的预测能力比较研究——基于沪深股市数据的实证分析.pdf

《双长记忆GARCH族模型的预测能力比较研究——基于沪深股市数据的实证分析.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第2O卷第2期中国管理科学Vo1．2O．No．22012年4月ChineseJournalofManagementScienceApr．，2012文章编号：1003—207(2012)02—0041—09双长记忆GARCH族模型的预测能力比较研究——基于沪深股市数据的实证分析曹广喜，曹杰，徐龙炳(1．南京信息工程大学经济管理学院，江苏南京210044；2．上海财经大学金融学院，上海200433)摘要：GARCH族模型在金融风险的度量中有着广泛的应用。在考虑股市收益率和波动率序列双长记忆性的基础上，基于上证综合

2、指数和深圳成份指数的日收盘价序列，从证券投资风险量化的角度，引入受险值VaR和相对正确符号指标PCS作为模型预测误差衡量指标，比较分析了双长记忆GARCH族模型在不同分布假设情况下的的拟合与预测精度。结果显示：偏t分布能较好描述沪深股市的厚尾特征；在较小的VaR水平下ARFIMA(2，，O)一FIAPARCH(1，d，1)一skt模型对股市波动风险具有较强的预测能力，而ARFIMA(2，d，O)一HYGARCH(1，dz，1)-skt对股市的涨跌趋势具有较强的预测能力。关键词：VaR；长记忆；ARFIMA；F

3、IAPARCH；HYGARCH中图分类号：F830．9文献标识码：A热点之一。国外的Laurent和Peters(2002)_1]、1引言Ricardo(2006)_3等曾分别采用GARCH模型预测VaR方法测量的是风险的绝对值，具有方差方VaR，我国的宋鹏燕和刘琼荪(2008)[4]，李成和马国法所不具有的直观性、简洁性，近年来已被全球各金校等(2007)等也曾用GARCH模型计算VaR值融机构广泛采用。计算VaR的方法有参数方法和来分别探讨我国股市和汇市的市场风险。非参数方法，其中参数方法在实践中被广泛应

4、用。自20世纪80年代Engle(1982)[6]和Bollerslev最早计算VaR的参数方法是假设收益率服从某一(1986)[7分别提出ARCH模型和GARCH模型以特定分布(通常为正态分布)，然后根据这一分布的来，GARCH族模型的研究层出不穷，但均没有考虑统计特征计算VaR。这类方法是静态的参数方法，原始时间序列自身的长记忆性对序列的聚集性、非有比较大的缺陷。由于金融时问序列往往存在异方对称性和杠杆效应的影响。Bailliie和Bollerslev差现象和波动聚集性特征，用静态的分布特征不足(1996

5、)_8提出了针对波动序列(即方差序列)长记忆以刻画这一特点，而GARCH模型是反映市场时变特征的FIGARCH模型，此后还涌现了FIAP-特征最常用的波动率模型，能有效地捕捉资产收益GARCH[g等长记忆GARCH模型，张世英和樊智率波动的聚类和异方差现象，因此利用GARCH模(2004)[1叩曾对此类模型进行了具体介绍。近年来，型来计算金融市场的VaR成为近几年风险研究的针对股市价格(或收益率)序列和波动序列的双长记忆性的研究已开始出现，但国内这方面的文献较少，收稿日期：201I一03—20：修订日期：20

6、11—12一I2张卫国(2006)[1和曹广喜(2009)幻分别尝试用基金项目：国家自然科学基金项目(70901044，60804047，71073100)；中国博士后基金项目(20100480577)；江ARFIMA—FIGARCH和ARFIMA—FIEGARCH模苏省高校哲学社会科学基金项目(09SJB880l13)；江型验证了我国股市的双长记忆特征。苏省高校“青蓝工程”资助项目；江苏省政府留学基国内有关GARCH族模型的比较研究方面：金项目作者简介：曹广喜(1976一)，男(汉族)，江苏淮安人，上海财经

7、大(1)对GARCH族模型与其他波动预测模型的比较学金融学院博士后，博士，南京信息工程大学经济管研究较多，如于亦文(2006)开展的GARCH族模型理学院副教授，研究方向：金融工程与数量经济．与实际波动率模型的比较研究，殷炼乾和邵锡栋(2009)Cls]针对GARCH和CARR类模型的比较研究，郑振龙和黄薏舟(2010)[1基于香港恒生指数期中国管理科学权数据对GARCH模型与隐含波动率进行了比较Hosking(1981)[2分别提出的ARFIMA模型由于分析，以及徐正国和张世英(2004)_】引、魏宇吸取了

8、ARMA模型和FDN模型的优点，可综合考(2010)_】对GARCH模型与实现波动率模型的虑过程的长短记忆特征，近年来被越来越多地应用预测能力的探讨，但针对GARCH族模型自身的比于高频时间序列的建模。因此，对于双长记忆较研究较少，且在已有的有关GARCH族模型自身GARCH模型，一般采用ARFIMA模型估计条件的比较研究中，缺乏对双长记忆GARCH族模型预均值方程，长记忆GARCH模型估计条件方差