浅析arch和garch模型的沪市股价波动性分析.docVIP

成 绩 评卷人 研究生姓名 学 号 云南财经大学研究生课程论文 《基于ARCH和GARCH模型的沪市股价波动性分析 》 专 业： 统计学 课程名称： 时间序列分析 课程类别： 专业必修课 任课教师： 颜云志 开课时间： 2011春季（第1~18周） 云南财经大学研究生部 基于ARCH和GARCH模型的沪市股价波动性分析 摘要：金融市场的波动性一直是经济研究人员和投资者关注的焦点。自回归条件异方差模型（ARCH模型）和广义自回归条件异方差模型（GARCH模型）经常用在金融时间序列分析中，特别是GARCH（1,1）模型在金融资产的波动性研究中得到广泛的应用。本文分别运用ARCH模型、GARCH模型进行初步研究，分析沪市估价波动的动态特征。 关键字：沪市波动性；ARCH效应；GARCH模型 一、金融时间序列的模型 图1 原数据序列 图2 自然对数序列 由图1、图2可知，经过对数处理后没有改变波动趋势，只是减缓了波动程度，这对后面建立方程模型并对其进行一系列的统计检验提供了便利，使得模型残差更趋于平稳，减少两类错误风险。 (一)变量序列的平稳性检验 在应用计量分析的各种方法时，往往需要检验变量的平稳性。若直接用非平稳的变量序列进行回归，往往会导致伪回归。所以在进行计量分析以前，要先对序列进行平稳性检验。进行平稳性检验的方法很多，主要有自相关图检验法、DF检验法、ADF检验法和PP检验法。本文采用ADF检验进行变量的平稳性检验。本文对lnx和它的一阶差分序列dlnx进行单位根检验，其结果如表1所示： 表1 lnx和dlnx的平稳性检验结果 变量 ADF检验值 临界值 结论 ln -1.338765 -3.961786 0.8778 非平稳 -2.565905 0.0001 平稳 （3） DW=1.977 可以看出该方程的拟合度较差，再来观察残差序列图，见图3： 图3 回归方程残差图 由图3可以发现波动表现出时变性、突变性和集簇性的特点，即波动的成群现象，这说明误差项可能有条件异方差性。 (二)ARCH模型分析 1.ARCH—LM检验 ARCH本身不能使标准的OLS估计无效，但是忽略ARCH影响可能导致有效性降低。因此有必要对该模型进行ARCH效应检验。检验一个模型的残差是否含有ARCH效应，有两种方法：ARCH LM检验（拉格朗日乘数检验Lagrange multiplier test）和残差平方相关图检验。本文采取前一种方法进行检验。 对（3）式进行条件异方差的ARCH LM检验，得到了在滞后阶数p＝3时的ARCH LM检验结果（见图4）。 图4 ARCH—LM检验 此处，p为0拒绝原假设，表明（3）式存在ARCH效应。 2.ARCH模型 因此本文在（3）式基础上建立ARCH模型。AR（3）模型的表达式为： （4） DW=1.977 ARCH（1）模型的表达式为： （5） (43.61) (9.98) 通过ARCH（1）模型消除了ARCH效应。 (三)GARCH模型分析 1.GARCH模型 本文再利用GARCH（1，1）模型重新估计（3）式，得均值方程 （6） (1.655) DW=1.976 GARCH（1,1）方程为： （7） (5.929) (13.794) (138.726) 方差方程中ARCH项与GARCH项的系数都是统计显著的，并且对数似然值有所增加，同时，AIS值和SC值都变小了，这表明GARCH（1，1）能够更好地拟合数据。方差方程中ARCH项与GARCH项系数之和为