计量作业重点.docx

不确定性是现代经济和金融理论经常涉及到的一个焦点问题。例如，宏观经济波动的不确定性、金融市场上收益的不确定性以及外汇市场上各国汇率的不确定性等。在模型分析中，经济或金融变量的不确定性一般用方差来进行描述和度量。而且为了分析简洁，通常对模型作出一些假定，例如在回归模型中假定随机扰动项满足零均值、同方差和互不相关。然而，实践表明，许多经济时间序列在经历一段相对平稳的时期后，都有非常大的波动。例如，沪市日收益率变异情况。资产回报的经验规律：（1）厚尾分布：资产回报往往是尖峰状。参见Mandelbrot (1963), Fama (1965)和其他大量文献这些文献对股票收益率进行建模，对于厚尾分布的绘制，参见Mandelbrot (1963), Fama (1963,1965), Clark (1973) and Blattberg and Gonedes (1974)（2）波动性聚类：一些金融时间序列常常会出现某一特征的值成群出现的现象。如对股票收益率建模，其随机搅动项往往在较大幅度波动后面伴随着较大幅度的波动，在较小波动幅度后面紧接着较小幅度的波动，这种性质称为波动率聚类(volatility clustering)。该现象的出现源于外部冲击对股价波动的持续性影响，在收益率的分布上则表现为出尖峰厚尾（fattails）的特征。（3）杠杆效应：所谓的“杠杆效应”，最先被Black(1976)提出，是指股票的价格变化趋势与股票的波动性负相关。固定的成本财务和经营杠杆部分的解释了这种现象。在公司价值下跌时，公司的债务和股本剩余值通常变得更高杠杆。如果一个公司作为一个整体其资本回报率是常数的话，就会引起其资本回报率的波动性。然而,Black（1976），辩称股价波动对于资产方向的反应太大，无法通过杠杆作用单独解释。这一结论也被由Christie (1982) 和Schwert (1989b)的实证工作支持。（4）非交易时间：在金融市场关闭时信息积累，在金融市场再次开放时反应在价格上。(5)预测事件:预测所带来的重要信息与高波动性相关，例如，1981），发现单个公司的股票波动性在收益公告前后很大。同样的，，发现固定收益和外汇的波动在中央银行有重大交易或者当宏观经济新闻被放出来时很大。还有重要的可预见变化波动在整个交易日。例如，汇率波动在处在开启和关闭的股票和外汇交易比在一天的中午期间通常要高得多。(6)波动性和序列相关性：Lebaron（1992）发现美国股指的波动性和序列相关性存在强的反比例关系。自相关性（7）波动的共同运动：波动的共同移动会对模型构建者有很强的激励，因为它表明，几种常见因素可以解释很多资产收益率的条件方差和协方差随时间的变化。这形成了构建ARCH模型的基础。（8）宏观经济变量和波动性：因为股票价格与经济健康发展密切相关，很显然对宏观经济的不确定性的测量，例如工业生产、利率、货币增长的条件方差，有助于解释股票市场波动性的变化。2. 在这种情况下，同方差假定是不恰当的。在这种情况下，人们关心的是如何预测序列的条件方差。例如，作为资产持有者，他既关心收益率的预测值，同时也关心持有期内方差的大小。如果一位投资者计划在第t 时期买入某项资产，在第t+1 时期售出，则无条件方差（即方差的长期预测值）对他来讲就不重要了。对于这一类问题，可以使用自回归条件异方差模型（autoregressive conditionalheteroskedastic model ，简称ARCH 模型）来进行分析。3. 对于这一类问题，可以使用自回归条件异方差模型（autoregressive conditionalheteroskedastic model ，简称ARCH 模型）来进行分析。最早的ARCH 模型是由Robert Engle 于1982 年建立的，因此它的发展历史不长。但是，这种模型及其各种推广形式已被广泛应用于经济和金融数据序列的分析，ARCH 模型族已成为研究经济变量变异聚类特性的有效工具。4.ARCH简介ARCH模型是获得2003年诺贝尔经济学奖的计量经济学成果之一被认为是最集中反映了方差变化特点而被广泛应用于金融数据时间序列分析的模型。目前所有的波动率模型中,ARCH类模型无论从理论研究的深度还是从实证运用的广泛性来说都是独一无二的。基本思想：在以前信息集下，某一时刻一个噪声的发生是服从正态分布。该正态分布的均值为零，方差是一个随时间变化的量(即为条件异方差)。并且这个随时间变化的方差是过去有限项噪声值平方的线性组合(即为自回归)。这样就构成了自回归条件异方差模型。5.ARCH模型其中{εt } 为独立同分布的白噪声过程，且有。AR(p)过程(2-15)是一稳定过程，它的特征多项式为：。所有的根都在单位圆外。若有一随机过程{εt }