ARCH自回归条件异方差模型.ppt

资产收益率的波动性是金融经济学家们长期关注的一个焦点问题。资产选择理论试图通过用方差或协方差关系描述收益率的波动性来寻找最优资产组合，CAPM模型和其他资产定价理论说明投资者怎样从承担与自己的资产组合存在某种协方差联系的系统性风险中获得补偿。然而，传统的金融计量学模型对风险或收益波动性特征的理解却是简单而粗糙的，一般把方差视为是随时间的变化而独立、同分布的常量。20世纪60年代以来，大量关于金融市场价格行为的经验研究结果证实：方差是随时间的变化而变化的。Mandelbrot(1963)首先发现了金融资产收益率的波动存在时间序列上的“簇聚(clustering)现象”，即幅度较大的波动会相对集中在某些时段，而幅度较小的波动会集中在另一些时段。这种金融变量随市场波动的特点是金融市场中常见的、规律性的现象。 罗伯特·恩格尔于1942年出生于美国纽约州的中部城市锡拉丘兹，目前是纽约大学财经系的教授。瑞典皇家科学院表示，他之所以得奖是因为他发明了一种计量方法，能够预测并分析随时间变化的股票价格、外汇汇率以及利率的波动。由于传统的计量经济学模式无法解释金融市场价格的波动规律，恩格尔在1982年提出一种“自回归条件异方差模型”（简记ARCH模型）。这个模型被认为是一项重大突破，经过近二十年的发展，已经被广泛应用于经济与金融领域的时间序列分析。恩格尔的发明使得市场分析师以及投资人能够预测股票波动并评估风险。瑞典皇家科学院称，他“不仅是研究人员学习的光辉典范，而且也是金融分析家的楷模，他的ARCH模型不仅为研究者，而且为市场分析师们在资产定价和投资组合风险评估方面提供了不可或缺的工具。” 第一节 自回归条件异方差模型 在各种条件异方差模型中,Engle于1982年提出的自回归条件异方差（ARCH:Auto-regressive Conditional Heteroskedastic）模型是最基础的。 一、ARCH模型 对于通常的回归模型 如果随机扰动项的平方服从AR（q）过程，即 其中 独立同分布，并满足 则称模型（2）为自回归条件异方差模型，简记为ARCH模型。称序列 服从q阶的ARCH过程，记作 。（1）和（2）构成的模型称为回归—ARCH模型。 ARCH模型通常用于对主体模型的随机扰动项进行建模，以更充分地提取残差中的信息，使最终的模型残差项 成为白噪声。所以，对于AR（p），模型 如果 ，则序列 可以用 模型描述。其他情况类推。 为方便研究并与其他拓展形式相联系，ARCH（q）模型又可表示为： 这里 为到t-1时刻过去信息的集合。利用过去的方差 对条件方差 作自回归模型： 其中 且： (保证ARCH过程平稳）。 在ARCH模型中， 的条件方差是滞后误差项的增函数。因此，较大（小）的误差项一般后面紧跟着较大（小）的误差，回归阶数q决定了冲击的影响存留于后续误差项方差中的时间长度，q越大，波动持续的时间也就越长。 二、 ARCH效应检验 序列是否存在ARCH效应，最常用的检验方法是拉格朗日乘数法，即LM检验。若模型随机扰动项 ，则可以建立辅助回归方程： 检验序列是否存在ARCH效应，即检验上式中所有回归系数是否同时为0。若所有回归系数同时为0的概率较大，则序列不存在ARCH效应；若若所有回归系数同时为0的概率很小，或至少有一个系数显著不为0，则序列存在ARCH效应。 检验的原假设和备择假设为： 检验统计量 其中，n是计算辅助回归（4）时的样本数据个数， 是辅助回归（4）的可决系数（采用最小二乘估计）。 给定显著性水平 和自由度 ，如果 ，则拒绝 ，认为序列存在ARCH效应；如果 ，则不能拒绝 ，说明序列不存在ARCH效应。 在Eviews 上的操作：首先用LS估计模型，然后对残差序列进行ARCH检验。在方程结果的输出窗口选择View/ResidualTests/ARCH LM Test,屏幕提示用户指定 检验阶数即q值