第五讲波动率要点.pptVIP

指数加权移动平均模型 （EWMA） 要避免由于简单移动平均导致的缺陷，最简单的方法是对近期的数据赋予更高的权重。这是指数加权移动平均法（EWMA）背后的基本思想 在指数加权移动平均模型中， u2 的权重αi 随着回望时间加长而按指数速度递减 许多风险管理者在计算日收益波动率时使用λ=0.94，而在计算月波动率时则使用λ=0.97。JP摩根在1996年公布的RiskMetricsTM技术文档中就是把这两个λ值作为研究成果用于实证检验 EWMA的诱人之处 需要的数据相对较少 仅需记忆对当前波动率的估计以及市场变量的最新观察值 对波动率进行跟踪监测 RiskMetrics 采用λ=0.94来更新每天波动率的估计 CWMA与GARCH 运用EWMA估计的市场波动率并不是常数，这正是广义自回归条件异方差模型（GARCH模型）族的核心思想。 EWMA属于GARCH模型的一个特例。GARCH模型族假设收益率的条件方差不是常数，因此在不同的时间段里，资产收益率的波动性可能会更高或者更低（即波动聚集性）。εi是在时刻i的预测误差，即估计值和实际值之间的差距（因此，估计条件方差同样要求估计一个条件均值，条件均值是通过自回归模型AR(1)推导出来的yt+1=α+ρyt+ε式中,yt+1和yt分别代表在t+1和t时刻上的资产收益率；α和ρ是需要通过回归进行估计的常数；ε是回归方程的误差项。并且有α0