第06章--条件异方差模型.pptVIP

* 这个例子中，利空消息能比等量的利好消息产生更大的波动的结果在PARCH模型中也能够得到印证，在PARCH模型中， ，其非对称项? 的系数 。 当?t ? 0 时，有一个 倍的冲击； 当?t ? 0 时，有一个 倍冲击 。 此例中? 是正的并在统计上是显著的，这表明在样本期间沪市的股票收盘价格指数中存在杠杆效应。 PARCH模型: * 以估计出的EARCH模型的结果为例，可以绘制出相应的信息曲线。在EGARCH模型的条件方差方程中 （6.2.7） 假设残差 ut 服从条件正态分布。 设 （6.2.8） 令zt = ut /?t ，则 （6.2.9） 函数 f(?) 称为“信息冲击曲线”，f(?)包含了非对称效应，就是在冲击ut /?t下的描绘波动率?t2的曲线。 * 图6.3 沪市的股票价格收盘指数的信息冲击曲线 从图6.3可以看出，这条曲线在信息冲击小于0时，也就是代表负冲击时，比较陡峭，而在正冲击时则比较平缓。这就说明了负冲击使得波动性的变化更大一些。 * §6.3 成分ARCH模型(Component ARCH Model) GARCH (1,1) 模型将条件方差设定为： (6.3.1) 令 其中? 是非条件方差或长期波动率， (6.3.1)变为： (6.3.2) 表示了均值趋近于? ，这个? 在所有时期都为常数。 * 成分ARCH模型允许均值趋近于一个变动的水平qt： 暂时成分: (6.3.3) 长期成分: (6.3.4) 此处?t 仍然是波动率，而qt 代替了? ，它是随时间变化的长期变动。 (6.3.3)描述了暂时成分 ?t2 - qt ，它将随?+? 的作用收敛到零。 (6.3.4)描述了长期成分qt 它将在 ? 的作用下收敛到? 。典型的 ? 在0.99和1之间，所以qt 缓慢的接近? 。 * 把暂时方程和长期方程联合起来： (6.3.5) 该方程表明了成分ARCH模型是一个非线性的严格的GARCH(2,2)模型。 在成分ARCH模型的条件方差方程中，可以包含进外生变量，它可以在长期方程中，也可以在暂时方程中（或者两者均可）。暂时方程中的变量将对变化率的短期移动产生影响，而长期方程中的变量将影响变动率的长期水平。 * 在暂时方程中还可以引入非对称影响，称为非对称的成分ARCH模型。它的条件方差方程的形式为： (6.3.6) (6.3.7) 其中 z 是外生变量，d 是虚拟变量，表示负的冲击，当 ut-1＜0时，dt -1 = 1；否则，dt -1= 0。只要 ? ? 0，冲击就会对变动率的短期波动产生非对称的影响；? 0 意味着条件方差中的暂时杠杆效应。需要注意，这种非对称效应只出现在短期波动中，对长期波动率的影响则主要体现在系数? 的变化上。 * 在EViews中估计成分ARC