第06章 条件异方差模型(第三版).ppt

* 在暂时方程中还可以引入非对称影响，称为非对称的成分ARCH模型。它的条件方差方程的形式为： (6.3.6) (6.3.7) 其中 z 是外生变量，d 是虚拟变量，表示负的冲击，当 ut-1＜0时，dt -1 = 1；否则，dt -1= 0。只要 ? ? 0，冲击就会对变动率的短期波动产生非对称的影响；? 0 意味着条件方差中的暂时杠杆效应。需要注意，这种非对称效应只出现在短期波动中，对长期波动率的影响则主要体现在系数? 的变化上。 * 在EViews中估计成分ARCH模型 选择Model下拉列表中的Component ARCH(1,1)，非对称成分ARCH模型还要对非对成项个数做选择。 例6.7 股票价格指数的CARCH模型 我们在前面的例子中已经估计了沪市的股票收盘价格指数的GARCH模型，但是方差方程被假定为均值不变的，在引入了CGARCH模型后，重新进行估计，得到的结果为： * 均值方程： (2.3) (1241) 方差方程： 长期成分方程: (9.94) (749) (6.27) 暂时成分方程: (10.56) (20.87) 在暂时成分方程中，? +? 之和为0.814，小于1，表示暂时成分? 2- qt 将收敛于零；而长期波动率 qt 则通过 ? 的作用，本例中? = 0.994，缓慢的收敛于均值0.0002。 * 2. 非对称的CGARCH模型： * 前面已经证明了股价的波动具有非对称效应，“利空消息”产生的波动比等量的“利好消息”产生的波动大，利用非对称CGARCH模型，我们可以进一步印证这个结论： 均值方程： (28.85) (307939) 方差方程： 长期成分方程: （9.13） （661.66） （5.78） 暂时成分方程: (10.48) (-3.74) 　(76.14) R2 = 0.997 AIC = -5.69 SC = -5.67 * 方差方程的统计结果中的系数C(2)、C(3)、C(4)和C(5)的含义与对称的CARCH模型的含义相同，系数C(7) 代表了暂时方程(6.3.7)中的非对称项的系数? 。此处的估计值为-0.056，由于哑变量 d 表示负冲击，所以可以解释为负的冲击比正的冲击带来的波动小。需要注意的是，这种非对称效应只出现在暂时方程中，也就是说，出现的这种非对称效应只是暂时的，它对长期波动率 qt 的影响与对称的CARCH模型的相同，? = 0.994 ，长期波动率 qt 以同样的速度收敛于稳态。 * ARCH模型的视图与过程 一旦模型被估计出来，EViews会提供各种视图和过程进行推理和诊断检验。 一、ARCH模型的视图 1. Actual, Fitted, Residual 窗口列示了各种残差形式，例如，表格，图形和标准残差。 2. 条件SD图 显示了在样本中对每个观测值绘制向前一步的标准偏差?t 。t 时期的观察值是由t-1期可得到的信息得出的预测值。 * 3. 协方差矩阵 显示了估计的系数协方差矩阵。大多数ARCH模型（ARCH—M模型除外）的矩阵都是分块对角的，因此均值系数和方差系数之间的协方差就十分接近零。如果在均值方程中包含常数，那么在协方差矩阵中就存在两个C；第一个C是均值方程的常数，第二个C是方差方程的