GARCH模型分析与应用解析ppt课件.ppt

GARCH模型分析与应用解析ppt课件.ppt

ID:58923565

大小:642.00 KB

页数:68页

时间:2020-09-29

GARCH模型分析与应用解析ppt课件.ppt_第1页
GARCH模型分析与应用解析ppt课件.ppt_第2页
GARCH模型分析与应用解析ppt课件.ppt_第3页
GARCH模型分析与应用解析ppt课件.ppt_第4页
GARCH模型分析与应用解析ppt课件.ppt_第5页
资源描述:

《GARCH模型分析与应用解析ppt课件.ppt》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、第六章 GARCH模型分析与应用学习目标了解金融市场序列的ARCH过程;掌握GARCH模型、EGARCH模型和TGARCH模型的形式及其含义;熟悉GARCH类模型的检验与估计;掌握GARCH模型在金融数据分析中的应用。GARCH模型分析与应用第一节ARCH过程第二节GARCH类模型的检验与估计第三节GRACH类模型的扩展第一节 ARCH过程ARCH模型(autoregessiveconditonallyheteroscedastic,ARCH),即自回归条件异方差模型,它是金融市场中广泛应用的一种特殊非线性模型。按照通常的想法,自相关的问题是时间序列数据所特有,而异方差性是横截面数据的特

2、点。但在时间序列数据中,会不会出现异方差呢?会是怎样出现的?恩格尔和克拉格(Kraft,D.,1983)在分析宏观数据时,发现这样一些现象:时间序列模型中的扰动方差稳定性比通常假设的要差。恩格尔的结论说明在分析通货膨胀模型时,大的及小的预测误差会大量出现,表明存在一种异方差,其中预测误差的方差取决于后续扰动项的大小。从事于股票价格、通货膨胀率、外汇汇率等金融时间序列预测的研究工作者,曾发现他们对这些变量的预测能力随时期的不同而有相当大的变化。预测的误差在某一时期里相对地小,而在某一时期里则相对地大,然后,在另一时期又是较小的。这种变异很可能由于金融市场的波动性易受谣言、政局变动、政府货币

3、与财政政策变化等等的影响。从而说明预测误差的方差中有某种相关性。为了刻画这种相关性,恩格尔提出自回归条件异方差(ARCH)模型。ARCH的主要思想:时刻t的t的方差(=t2)依赖于时刻(t1)的残差平方的大小,即依赖于2t-1。1983年,1986年,Bollerslev在Engle的ARCH模型基础上对方差的表现形式进行了线性扩展,并形成了更为广泛的GARCH模型。后来,该类模型也得到了很大的发展,形成了如EGARCH,IGARCH,GARCH-M等模型。一、金融时间序列的异方差性特征p197现实金融市场上,许多金融时间序列并没有恒定的均值,大多数序列在呈现出阶段性的相对平稳的

4、同时,往往伴随着出现剧烈的波动性。金融市场中,波动率(volatility)是金融时间序列最重要的特征之一,因而模拟和预测股票市场的波动性已经成为众多理论和实证研究的重要领域。然而,金融市场时间序列存在非平稳性,样本均值并不恒定,有明显的异方差性特征。因此,传统线性结构模型(以及时间序列模型)并不能很好地解释金融数据的重要特征,这包括:尖峰厚尾(Leptokurtosis):金融资产收益呈现厚尾(fattails)和在均值处呈现过度波峰,即出现过度峰度分布的倾向;波动丛聚性(clustering):金融市场波动往往呈现簇状倾向,即波动的当期水平往往与它最近的前些时期水平存在正相关关系。杠

5、杆效应(leverageeffects):指价格大幅度下降后往往会出现同样幅度价格上升的倾向Engle(1982)提出的ARCH模型,正是在不使用特定变量xt或数据转换的情况下,同时对序列的均值和方差进行建模。要理解Engle的方法,首先我们要估计平稳ARCH模型yt=a0+a1yt-1+t,并预测yt+1,则yt+1的条件均值为Etyt+1=a0+a1yt,若我们用这个条件均值去预测yt+1,则预测误差方差为Et[(yt+1-a0-a1yt)2]=Et(t+1)2=2。若用表示模型yt=a0+a1yt-1+t的残差估计值,那么yt+1的条件方差为:var(yt+1

6、yt)=Et

7、[(yt+1-a0-a1yt)2]=Et(t+1)2二、ARCH过程p199现在假设条件方差不定,一个简单的处理方法就是用残差估计值的平方将条件方差建模为AR(q)过程为:其中,vt是一个白噪声过程。类似于上式的被称为自回归条件异方差(ARCH)模型。ARCH过程Engle提出的乘法条件异方差模型中最简单的一例为ARCH(1)模型,即:更一般地,Engle提出的ARCH模型的高阶ARCH(q)过程为:可见,Engle(1982)提出ARCH模型的核心思想是:残差项的条件方差依赖于它的前期值的大小。Bollerslev广义自回归条件异方差(GeneralizedARCH,GARCH)模型

8、。GARCH类模型最早是Engle提出的ARCH模型,即自回归条件异方差模型。设标的资产时间序列为{yt},Engle年建立了回归模型ARCH(q)其中,yt是因变量,是解释变量的向量,xt是未知参数的向量,假设t在给定(t-1)时间内的信息t-1满足正态分布t|t-1~N(0,ht-1),但其条件方差为:GRACH模型p201GRACH模型Bollerslev(1986)扩展了Engle(1982)的原始模型,引入了一种

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。