金融时间序列讲义第六章.docVIP

异方差模型 本章主要内容 ARCH模型 GARCH模型 ARCH-M模型 其它异方差模型 财经时间序列，如股票汇报率，利率的变动和汇率的改变常常出现方差变动的情况。在最近二十多年来，方差变动的文献迅速增长。这一章，我们介绍几种类型的方差变动模型，重点是Engle所提出的自回归条件异方差模型（ARCH, autoregressive conditional heteroscedastic） 异方差的性质 1.1 异方差的定义 如果随机误差序列的方差会随着时间的变化而变化，这种情况被称作为异方差 异方差的影响：忽视异方差的存在会导致残差的方差会被严重低估，继而参数显著性检验容易犯纳伪错误，这使得参数的显著性检验失去意义，最终导致模型的拟合精度受影响。 1.2 异方差直观诊断 残差图 方差齐性残差图 递增型异方差残差图 残差平方图 原理：残差序列的方差实际上就是它平方的期望。 所以考察残差序列是否方差齐性，主要是考察残差平方序列是否平稳 例6.1直观考察美国1963年4月——1971年7月短期国库券的月度收益率序列的方差齐性 一阶差分后残差图 一阶差分后残差平方图 第二节 ARCH模型 资本资产收益率序列的条件均值过程通常被设定为： (1) 其中，是资产在t时期的对数复合收益率，条件均值过程的残差序列常被假定为白噪声：，。则是基于t－1期的信息集的条件均值，即，相应地可以定义的条件方差： (2) 式(2)是GARCH类波动率模型的核心部分，Engle(1982)首先提出了以AR(q)结构来对建模，这就是著名的自回归条件异方差模型(Auto-Regressive Conditional Heteroscedasticity,ARCH)。Engle定义条件均值的残差序列为： (3) 其中，ARCH(q)被定义为： (4) 其中，是滞后算子L的q阶多项式。为保证条件方差非负，ARCH(q)过程中的参数被约束为：，。如果所有根都落在单位圆外，ARCH(q)过程是弱平稳的，因此也被称为平稳ARCH过程。 Engle提出ARCH模型是出于两个基本动因，或者说是为了刻画波动率的两个基本特性：其一是波动的聚集性，研究发现市场往往在某一时期内持续剧烈地波动，而又在另一时期维持较为平缓的波动，而且正如Mandelbrot(1963)指出的，在市场上大的变动之后往往跟随着大的变动，而小的变动之后也往往跟随着小的变动。从式(1)的模型结构看，较大(小)的会产生较大(小)的，因此集聚性能由ARCH模型模拟。其二是序列分布的尖峰态。尽管在式(1)中，仍被假定为服从正态分布，即基于信息集的条件分布是正态的，但是，ARCH过程的无条件分布却是尖峰态的，具有高峰和肥尾。 例：最简单的ARCH(1)过程 (5) 其中，ARCH(q)被定义为： (6) 其中，。 　ARCH模型的性质 无条件均值 条件方差 无条件方差 因为是平稳过程，且， 所以 从而 峰度 由于 所以 如果是四阶平稳的，，那么，我们有 所以 因此 ，即 且无条件峰度系数为 从这，我们可以看出是高峰和肥尾的。 估计 在中，若服从标准的正态分布，则伪似然估计（Quasi-Maximum-Likelihood Estimator）的对数似然函数为： 第三节 GARCH模型 为了获得更大的灵活性，Bollerslev(1986)将ARCH一般化得到GARCH(Generalized ARCH)，GARCH(p,q)的条件方差方程为： (7) 与类似，只是阶数为p。满足条件方差非负性的充分条件是：，，。若可逆，那么GARCH(p,q)就能写成ARCH(()形式，因此GARCH通过更为简洁的模型结构实现了条件方差对以往信息的长期依赖。 (8) 若，可以视为条件方差模型所产生的残差，式(7)可以被改写为A