第八章条件异方差模型.ppt

第八章 条件异方差模型 第一节 模型简介 第三节 异方差检验 第二节 扩展模型 一、 ARCH 模型 二、 GARCH 模型 第一节 模型简介 上证指数收益率时序图（1990.12.19—2001.07.31） 深圳指数收益率时序图（1991.04.03—2001.07.31） 一、ARCH 模型(Engle,1982) 假定 原理 通过构造残差平方序列的自回归模型来拟合异方差函数 ARCH(q)模型结构 （一）ARCH (1)模型 ARCH(1)模型结构 （二）ARCH模型的特点 模型中将条件方差 表达成过去扰动项的回归函数形式，形式恰能反映金融市场波动集聚性特点，即较大幅度的波动后面紧接着较大幅度波动，较小幅度的波动后面紧接着较小幅度的波动。 ARCH模型的随机误差项 服从宽尾的无条件分布，这恰好能描述金融市场上资产收益率变量是宽尾分布的特征。 利用ARCH模型可以更精确地估计参数，提高预测精度。 ARCH模型的特征改善了计量经济模型的预测能力 （三）ARCH模型的缺点 模型中参数过多 ARCH模型中将条件方差 设定为 的线性函数，这只是特例 ARCH模型中 被假定为正态分布，越来越多的研究表明，在一些金融序列中，这种假定并不符合实际情况 二、GARCH 模型(Bollerslev,1986) 使用场合 ARCH 模型实际上适用于异方差函数短期自相关过程 GARCH 模型实际上适用于异方差函数长期自相关过程 模型结构 （一）GARCH模型的约束条件 参数非负 参数有界 （二）GARCH模型的特点 ARCH(q)模型是GARCH(p,q)的特例 GARCH(p,q)模型等价于ARCH( )，减少了待估参数的个数，实证研究表明GARCH(1,1)是一个简单且有效的模型 第二节 扩展模型 一、IGARCH 模型 二、GARCH-M 模型 三、 TGARCH 模型 四、EGARCH 模型 一、IGARCH 模型 实证结果表明：大多数日或周收益率通常呈现出很强的波动持续性，这体现在GARCH模型中参数 与 之和非常接近1.在这种条件下，条件方差函数具有单位根和单整性，于是，人们把符合这种特征的GARCH 模型称为单整GARCH（IGARCH）模型。 二、GARCH-M 模型(1987) 三、TGARCH 模型(Zakoian,1990) 四、EGARCH 模型(Nelson,1991) 一、Portmantea Q检验 二、拉格朗日乘子（LM）检验 三、案例分析 第三节 异方差检验 一、Portmantea Q检验 假设条件 检验统计量 检验结果 拒绝原假设 接受原假设 二、拉格朗日乘子（LM）检验 假设条件 检验统计量 检验结果 拒绝原假设 接受原假设 三、案例分析 1、以1995.1-2000.8日圆兑美元汇率为例，介绍如何用Eviews进行ARCH建模分析。 2、以2006.7.13-2008.2.2每个交易日上证指数收盘价为样本 （1）上证收益率波动性研究 （2）上证收益率非对称性研究