6GARCH模型与应用解决方案.ppt

第六章 GARCH模型分析与应用 学习目标 了解金融市场序列的ARCH过程； 掌握GARCH模型、EGARCH模型和TGARCH模型的形式及其含义； 熟悉GARCH类模型的检验与估计； 掌握GARCH模型在金融数据分析中的应用。 GARCH模型分析与应用 第一节 ARCH过程 第二节 GARCH类模型的检验与估计 第三节 GRACH类模型的扩展 第一节　ARCH过程 ARCH模型（autoregessive conditonally heteroscedastic，ARCH），即自回归条件异方差模型，它是金融市场中广泛应用的一种特殊非线性模型。 按照通常的想法，自相关的问题是时间序列数据所特有，而异方差性是横截面数据的特点。但在时间序列数据中，会不会出现异方差呢？会是怎样出现的？ 恩格尔和克拉格（Kraft, D., 1983）在分析宏观数据时，发现这样一些现象：时间序列模型中的扰动方差稳定性比通常假设的要差。恩格尔的结论说明在分析通货膨胀模型时，大的及小的预测误差会大量出现，表明存在一种异方差，其中预测误差的方差取决于后续扰动项的大小。 从事于股票价格、通货膨胀率、外汇汇率等金融时间序列预测的研究工作者，曾发现他们对这些变量的预测能力随时期的不同而有相当大的变化。预测的误差在某一时期里相对地小，而在某一时期里则相对地大，然后，在另一时期又是较小的。这种变异很可能由于金融