条件异方差模型.ppt

2.非对称的CGARCH模型：第101页,共103页，星期六，2024年，5月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=0.997AIC=-5.69SC=-5.67第102页,共103页，星期六，2024年，5月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。第103页,共103页，星期六，2024年，5月第69页,共103页，星期六，2024年，5月§6.2非对称ARCH模型在资本市场中，经常可以发现这样的现象：资产的向下运动通常伴随着比之程度更强的向上运动。为了解释这一现象，Engle和Ng（1993）绘制了好消息和坏消息的非对称信息曲线，波动性0信息第70页,共103页，星期六，2024年，5月资本市场中的冲击常常表现出一种非对称效应。这种非对称性是十分有用的，因为它允许波动率对市场下跌的反应比对市场上升的反应更加迅速，因此被称为“杠杆效应”，是许多金融资产的一个重要事实特征。例如，许多研究人员发现了股票价格行为的非对称实例——负的冲击似乎比正的冲击更容易增加波动。本节将介绍2种能够描述这种非对称冲击的模型：TARCH模型和EGARCH模型。第71页,共103页，星期六，2024年，5月6.2.1TARCH模型TARCH或者门限(Threshold)ARCH模型由Zakoian(1990)和Glosten，Jafanathan，Runkle(1993)独立的引入。条件方差指定为：(6.2.1)其中，dt-1是虚拟变量：当ut-10时，dt-1=1；否则，dt-1=0。在这个模型中，好消息(ut0)和坏消息(ut0)对条件方差有不同的影响：好消息有一个?的冲击；坏消息有一个对?+?的冲击。如果??0，则信息是非对称的，如果?0，我们说存在杠杆效应，非对称效应的主要效果是使得波动加大；如果?0，则非对称效应的作用是使得波动减小。第72页,共103页，星期六，2024年，5月许多研究人员发现了股票价格行为的非对称的实例。负的冲击似乎比正的冲击更容易增加波动。因为较低的股价减少了相对公司债务的股东权益，股价的大幅下降增加了公司的杠杆作用从而提高了持有股票的风险。估计TARCH模型，EViews要在Threshold选项中填“1”，表明有1个非对称项，可以有多个。第73页,共103页，星期六，2024年，5月对于高阶TARCH模型的制定，EViews将其估计为：(6.2.2)第74页,共1