GARCH模型的估计检验及异常点挖掘.pdfVIP

摘 要 随着时间序列研究的深入，线性模型已不能解释现实世界的很多现象，必须提出和发展 非线性模型．因此学者提出了众多的非线性模型，包括门限自回归模型、指数模型、双线性 型在金融数据中应用广泛，有着重要地位．本文即对GARCH模型进行了研究． 论文第一部分阐述了GARCH模型的概率性质，包括其严平稳的充要条件、平方序列 的ARMA性质和重尾性等，这部分为后续工作提供了理论支撑．与线性模型研究类似，对 GARCH模型的研究集中体现在模型的参数估计和异方差检验上．因此，第二部分针对模型 参数，给出了两种估计：极大似然估计和最小绝对偏差估计．前者由Engle(1982)提出，应用 and 最为广泛；后者由Yao Peng(2003)得到，其在模型具有重尾时更加稳健．针对异方差检 上，结合GARCH模型特点得到，应用方便；后者更具有一般性，也适合于GARCH模型． 研究表明，GARCH模型中异常点的存在对参数估计和异方差检验都有重要影响，严重甚至 outlier)．而在金融数据中，很多异常点的影响具有后续性，不能简单视为附加异常点，应看 作革新异常点(innovativeoutlier)．因此提出一个有效挖掘两种异常点的方法就变得尤为重 要． 挖掘AfU订A模型异常点的方法，提出一个同时挖掘GARCH模型附加异常点和革新异常点 的方法，用于实际金融数据，并分析异常点的存在对参数估计和异方差检验的影响． 数值试验结果表明，我们的方法是有效的，且得到一些新的发现．最后提出了进一步需 要解决的问题． 关键词：GARCH模型；极大似然估计；LM检验；AO和IO Abstract world’S Withthe lineartimeseriesmodelscannot real research，the explainmany deeper itis to nonlinearmodelsand nonlinear phenomenon．Sonecessarydevelop many models， TAR Modeland been model，EXPARmodel，Bifinearothers，havebroughtrecently． including these modelwhichwas by in1982andGARCHmodel Amongmodels，ARCH broughtEngle whichwas Bollershevin1986 an roleinfinancialresearch．In expandedby play important discusse this GARCHmodel． paper，wemainly In thefirst considerthe ofGARCHmodelwhichcontain probabilistic part，we properties sufficientandessential of seriesand tails．LikeARMA squared heavy condition，property researchof mo