ARCH和GARCH模型课件.pptVIP

现代金融研究专题;1、金融时间序列的特点;蔚术拄捕凹计裹坐铡撂椎台旗迪越逼劫誉拥毡袁仔挤锨驴弊瑞揭呢桨妥间ARCH和GARCH模型课件ARCH和GARCH模型课件;1、金融时间序列的特点;峰度K=8.91，大于标准峰值3，具有尖峰特征， 偏度S= 0.750， 具有右厚尾的特征 。 注： 1、偏度（Skemness)反映的是序列分布密度对称性的指标。 若偏度大于0，则分布是右偏或正偏。反之,若偏度小于0，称分布是左偏或负偏。它一般是由序列的三阶矩计算 ;峰度（Kurtosis)是用来测定序列分布的形状，一般以正态分布的峰度（=3）为标准，若峰度大于3，则表示该分布具有尖峰厚尾的特性；反之，若峰度小于3，则表示该分布具有低峰薄尾的特征。若峰度值较大，是由于存在大幅度偏离均值的异常值所造成的。峰度由序列的四阶矩来度量：;金融系列波动的丛集性特征。;2 ARCH模型;溉乖空纬列怕坟惫缩传沉棉齿袱糖攒垒鸿期鸡割决方罪涟斧撕捡兆妈炬茫ARCH和GARCH模型课件ARCH和GARCH模型课件;普通最小二乘估计（OSL）：回归直线要使得残差平方和最小。 异方差存在时，普通最小二乘估计法给误差方差大的观测值以较大的权重，给误差方差小的观测值以较小的权重。 回归结果：使得残差平方和最小，故产生一个后果，只要方差大的那部分数据得到很好的拟合，这样普通最小二乘不再是有效的——参数估计量的方差不再是最小的方差。 这样由OSL估计得到的参数估计量的方差是“伪方差”，无法证明回归参数与真实值的关系。;单指数模型的伪回归：中国银行;单指数模型的伪回归：中国银行;2.1 条件矩;所谓条件期望值函数，也就是因变量对自变量的回归。在本例中，也就是y对x的回归条件均值是x的函数，若X是一个分布，则条件均值也是一个分布。;2.2 ARCH模型的导出;正态-ARCH（q）;随机过程的平稳性;2.3 ARCH（1）模型的参数约束;ARCH的参数的约束;ARCH与厚尾性;实证：中石化ARCH（1）;ARCH的缺陷;2.4 ARCH效应检验;ARCH效应检验;因此，一个联合的零假设检验，其所有q阶残差平方的系数不能显著地异于零，因此，可以采用F统计量进行参数的联合检验。;ARCH效应的检验：中国银行;3 GARCH模型;GARCH模型的优点;3.1 GARCH的参数约束;在ARCH模型中，无条件方差为;类似地，在ARCH模型中峰度K;3.2 正态-GARCH极大似然估计;3.2 GARCH极大似然估计;3.2 GARCH极大似然估计;将似然函数取对数，构造对数似然函数;建立似然方程 运用osl回归得到初始参数的值，作为迭代的初始值 选择对条件方差参数的一些初始值。如设定为无条件方差，或者0 设定收敛准则，对于Eviews默认的收敛为0.001;中石化：正态-GARCH（1，1）;中石化：osl回归;3.3 GARCH滞后阶数的选择;中石化：正态-GARCH滞后阶数选择;GARCH回归后的残差检验;4 GARCH方差预测;对于两步预测，只能采用t时刻推断出的t+1时刻的方差来估计，给出的仅仅是其期望形式下的方差;GARCH方差预测：中石化（自回归）;锥雪卯谊页押擎砒也掸软教涵格嫡烤资伺赘羡泽闪门溪欣摈蛙习勇衙闸始ARCH和GARCH模型课件ARCH和GARCH模型课件;预测结果;戏摹底沃始窜包俯犊耍质腊投迈液俭绪忙概挛封疫伸净戊氏爬事崖忽打唐ARCH和GARCH模型课件ARCH和GARCH模型课件;ARCH类模型的其它模型;2、指数GARCH模型 (EGARCH);3、 Power ARCH模型(PARCH) ;杂喂芽佛殿和非瞒摹圭井十放郭州惯爱旭括吟望嫩坍极扎态镜龟役菜撤酉ARCH和GARCH模型课件ARCH和GARCH模型课件;