随机波动率模型.pptVIP

随机波动率模型 Stochastic volatility model 内容框架 简介 SV模型的设定（与GARCH对比） SV模型的矩条件（两种情况下） SV模型的广义矩估计（GMM） 模特卡罗模拟评判估计方法 其他估计方法 简介 经济或金融时间序列存在着普遍的波动性现象，而波动性是描述金融市场研究的一个核心问题，它通过金融收益率的方差来测度。目前研究金融衍生物的价格的波动模型主要有随机游走模型 (Random Walk)、对数正态分布模型等，而主要有两类： 一类是由诺贝尔经济学奖获得者、美国著名的统计学家Engle 于1982 年在研究英国通货膨胀指数问题时提出的自回归条件异方差（ autoregression conditional heteroscedasticity variance）模型，简称ARCH 模型以及后来由Bollerslev 提出的GARCH类模型； 另一类是Taylor 于1986年在解释金融收益序列波动的自回归行为时提出的随机波动模型（Stochastic volatility model），简称SV 模型。 1.随机波动率模型（SV）的设定 GARCH与SV的数据模拟 GARCH与SV模型的比较 由于ARCH 类模型将条件方差定义为过去观测值的平方项和前期条件方差的确定性函数, 条件方差的估计与过去观测值直接相关, 因此当存在异常观测值时, 估计的波