条件异方差模型讲解.ppt

应用时间序列分析; 本章介绍条件异方差模型及其在金融市场中的应用。 具体要求： ①熟悉条件异方差序列的具体特征； ②掌握基本条件异方差模型的建模方法； ③了解各种扩展的条件异方差模型及其在金融领 域的应用。 ;上海股票市场综合指数的周的对数超额收益序列 ; 收益的大的波动后面倾向于跟着一个大的波动，而收益的小的波动后面倾向于跟着一个小的波动，出现了所谓的波动聚集性（volatility clustering）效应。这意味着前后期的波动之间存在着某种相关关系。 ;第一节 条件异方差模型 ; 序列的条件方差是一个随时间变化的量(即条件异方差)，这个随时间变化的条件方差是序列的过去有限项平方的线性组合(即自回归)，因此，该模型称为自回归条件异方差模型。 ;2．ARCH序列的统计特性 ;(3) ARCH（r）序列的无条件三阶矩 ;3．ARCH模型与ARMA的关系 ;二、GARCH模型 ;GARCH（1,1）模型 ;GARCH（1,1）模型形式上是一个 的ARMA(1,1)模型，残差 是异方差的 ;ARMA(n,m)-GARCH(r,s)模型 ;第二节 条件异方差模型的建立 ;二、GARCH模型的定阶 ;三、GARCH模型的参数估计 ;四、利用GARCH模型估计条件方差 ;六、GARCH模型的预测 ; 当 时，条件方差的多期预测收敛到过 程 的无条件方差。 ;七、实例分析：沪深股市风险波动分析 ;1．正态性检验 ;2、自相关检验 ;3.异方差性的LM检验和Q检验 ;（三）、拟合GARCH模型 ;上证指数收益率序列的GARCH（1，1）模型为：;（四）、条件方差的估计 ;深圳成指收益序列的条件方差 ;（五）、适应性检验 ;（六）、风险波动（条件方差）预测 ;上证指数收益序列的条件方差预测 ;（七）、风险波动（条件方差）特征分析 ;第三节 几种扩展模型 ; ;二、EGARCH模型 ;35;三、IGARCH模型 ;四、TGARCH模型 ;五、实例分析 ;E-GARCH模型估计结果（周数据）;E-GARCH模型估计结果(日数据);2 利用TGARCH模型分析 ;对日收益序列的拟合的条件方差方程为：;（二）收益与风险关系的实证分析 ; 回归方程中条件标准差的系数是0.5284，t检验值为1.86，这说明条件标准差（风险）对收益的影响是正方向的，并且是比较显著的。