Ch09波动率分解.pptVIP

金融风险管理 张学功 9.* 加权权重公式 当公式中的权重不相等时，我们有如下加权权重公式 金融风险管理 张学功 9.* 条件方差模型 ＡＲＣＨ ＧＡＲＣＨ 模拟不对称模型 随机波动率模型 金融风险管理 张学功 9.* ARCH(m) 模型 在模型中，我们也可以给长期方差率指定权重， 为长期平均方差 金融风险管理 张学功 9.* ARCH的检验步骤（恩格尔）： 对下式做回归： 得到OLS残差 作以下辅助回归： 计算R2 检验统计量 如果拒绝H0，则条件同方差干扰的假定将被拒绝， 而接受ARCH干扰。 金融风险管理 张学功 9.* EWMA 模型 在指数加权移动平均模型中，u2的权重随着回望时间加长而按指数速度递减 结果是： 金融风险管理 张学功 9.* EWMA的优点 需要相对较少的数据 只需要注意对当前波动率的估计以及市场变量的最新观察值 能够跟踪监测波动率的变化 RiskMetrics 数据中采用l = 0.94进行每天的波动率预测 金融风险管理 张学功 9.* GARCH (1,1) 在GARCH (1,1)模型中，我们赋予长期平均方差（ ）不同的权重 由于权重之和为1，因此 金融风险管理 张学功 9.* GARCH (1,1) 令 　　　， GARCH (1,1) 模型可以表示成 和 金融风险管理 张学功 9.* 例1 假设 对应参数 此模型隐含的每天长期方差 为0.0002，对应的每天长期波动率为 1.4% 金融风险管理 张学功 9.* 例2 假设现在的日波动率的估计值为1.6%，最近的市场变量变动为1% 新的方差率为： 新的日波动率为1.53% 金融风险管理 张学功 9.* GARCH (p,q) 金融风险管理 张学功 9.* 其他模型 许多其他类型的GARCH模型也已经被提出来了 例如，我们可以设计这样一个GARCH模型，即ui2的权重取决于ui的值是正的还是负的 TARCH 模型或Threshold ARCH模型 （ Zakoian (1990) and Glosten, Jaganathan, and Runkle (1993)） 金融风险管理 张学功 9.* EGARCH(p,q)模型 高阶EGARCH(p,q)模型 如果 ，则当 为负时，方差趋向于增大；而当 为正时，方差趋向于减小，因此可用来模拟负相关现象。这样EGARCH(p,q)模型不仅可以反应过去残差的数量对波动的影响，而且可以反应出其符号对波动的影响,因此更适合资产定价应用。 ARCH（M) 金融风险