05-CH2-条件异方差.ppt

时间序列分析 自回归条件异方差 条件异方差模型 金融衍生市场，计算期权等衍生工具的价格需要了解股票的波动率 金融风险管理,度量金融风险的大小，计算VaR。 改进参数估计量的有效性，提高预测区间的精确度。 条件异方差 几个主要的条件异方差模型 Engle(1982)ARCH Bollerslev(1986)GARCH Nelson(1991)EGARCH 实证经验 波动率聚类性 波动是连续的，没有突然的跳跃 波动率不趋于无穷，在一定范围内变化 波动率有杠杆效应 名义利率。在名义利率水平比较高时，市场的波动率也比较大 条件异方差模型 金融资产的收益率rt，t时刻前的信息为Ft－1 感兴趣的是收益率的条件均值和条件方差 金融资产收益率的一个特征是日收益率不存在或只存在微弱的相关性，但是日收益率的平方存在相关性，即收益率序列不相关但是也不独立。 条件异方差模型 建立关于收益率的条件均值和条件方差的模型 ARCH过程 令v1, v2…是独立高斯白噪声过程, 标准差为1 ARCH(q) ARCH过程 {?t }是ARCH(1)过程 ARCH过程的性质 该过程表明,如果?t-1异常的偏离他的条件期望0,那么?t的条件方差要比通常情况下大, 所以有理由预期?t会比较大.这样使得比较大,反之,如果?t-1异常的小,那么条件方差要比通常情况下小,所以有理由预期?t会比较小. 这样使得比较小. 虽然方差大或小会持续一端时间,但是不会一直持续下去,会回到无条件方差上去. ARCH过程性质 边际期望和边际方差 ARCH过程性质 边际四阶矩 E( ?4t |F t－1)＝3（?0＋?1 ?2t-1）2 E(?4t)=m4=[3?20 (1+?1)]/[(1-?1)(1-3?21)] 四阶矩是正的，所以必须有?211/3 无条件峰度= E(?4t)/ E(?2t)2 = 3 (1 -?21)]/(1-3?21) 大于3，所以?t的分布的尾巴比正态分布的尾巴厚。 ARCH过程特点 令 带入ARCH(1)模型 可以证明?t是白噪声过程 ?2t的形式类似于AR(1)（因为我们没有证明?t的方差是否有界。） ARCH过程缺点总结 不能反应波动率的非对称特点 约束强，要求系数非负，如果要求高阶矩存在，还有更多的约束 不能解释为什么存在异方差，只是描述了条件异方差的行为。 建立ARCH模型 1）建立收益率序列的计量模型，去掉任何线性关系，使用估计的残差检验ARCH效果 2）估计模型 3）检验ARCH模型，根据情况修改模型。 建立模型 1）建立一个计量模型ARCH过程最常见的应用是在回归模型。 建立模型 检验残差是否存在条件异方差 观察残差平方的偏自相关函数，如果q步截尾，则阶数为q 对残差平方使用Q检验，判断是否存在自相关 使用LM检验法 LM检验 建立模型 2）估计模型 建立模型 3）检验模型 计算标准化后的残差{et /ht1/2}，根据定义应该独立同分布N(0,1) 使用Q-检验法检验{et /ht1/2}是否有自相关 使用Q－检验法检验{e2t /ht}是否有自相关 预测条件方差 条件方差等于 ARCH模型对条件方差的预测 时间序列分析 其他GARCH类模型 GARCH（p,q）广义自回归条件异方差模型 GARCH性质 1)当p=0时,成为ARCH过程,ARCH过程是GARCH的特例，这也是该过程被称为广义的原因。 2)GARCH过程的含义是条件方差ht是ht-1,…ht-p和? t-1,? t-q的函数。 3）参数?i , i=1,2,…,q和?i , i=1,2,…,p大于零是保证条件方差为正的充分条件,而不是必要条件。 4){?2t}平稳的条件是?1+…+?q+?1+…+? p 1，这时{?t}也是宽平稳的。如果?1+…+?p+?1+…+? p =1则{?t}过程被称为I--GARCH过程。这时条件方差的特点，或者说波动性的特点为很强的持续性。 GARCH预测 EGARCH指数广义自回归条件异方差模型 EGARCH模型 1）重要特征是引入不对称性 2）参数没有大于0的约束，因为对求对数后的条件方差建模，，可以保证方差为对数。 3）可以假设?t~广义误差分布 4）假设vt是正态分布时E(|vt|)= (2/?)1/2 TGARCH模型 ARCH-M模型 ARCH-M模型的应用 条件CAPM模型 其他异方差模型 QARCH----quadratic ARCH二次自回归条件异方差 STARCH----structural ARCH 结构自回归条件异方差 SWARCH----switching ARCH开关自回归条件异方差 QTARCH---quantitative threshold AR