Ch09波动率重点.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 金融风险管理 张学功 9.* 方差目标法 增加GARCH 1,1 模型稳定性的方法之一是应用方差目标法 令长期平均波动等于相同的方差 仅有其余的两个参数需要估计 金融风险管理 张学功 9.* 最大似然估计法 在最大似然估计方法中，我们选择合适的参数以使得观测值发生的概率最大。 金融风险管理 张学功 9.* 例1 观察一个实验，在进行的十次实验中假设某个事件为随机事件，那么这个事件发生一次的概率是多少呢？ 计算的结果是： 使得表达式取得最大值的极大似然估计值: p 0.1 金融风险管理 张学功 9.* 例2 估计一组服从正态分布的，均值为零的观测值得方差 金融风险管理 张学功 9.* GARCH 1,1 参数估计方法 令 　　　， GARCH 1,1 模型可以表示成 定义 为第i天的方差的估计，在方差一定的条件下， 在给定观测值， 最佳匹配的参数应使得下式最大化： 金融风险管理 张学功 9.* 应用于GARCH 1,1 模型 选择能够最大化下面表达式的参数 金融风险管理 张学功 9.* 计算日元/美元汇率数据 表9.4 天数 Si ui vi si2 -ln vi-ui2/vi 1 0.007728 2 0.007779 0.006599 3 0.007746 -0.004242 09.6283 4 0.007816 0.009037 08.1329 5 0.007837 0.002687 09.8568 …. 2423 0.008495 0.000144 09.3824 22063.5833 金融风险管理 闫海峰 9.* 日元/美元汇率日波动率: 1988-1997 金融风险管理 闫海峰 9.* 模型检验（模型表现如何） 通过计算 的自相关系数来检验GARCH模型的正确性。 原理：如果 确实有自相关性，如果GARCH模型有效， 自相关性就会被剔除，即 不再具有自相关性。 结论：有关 的模型确实解释了 中的自相关性。 金融风险管理 闫海峰 9.* 预测未来的波动率 由GARCH（1,1