第六章GARCH模型4(中山大学).pptVIP

* 资本市场中的冲击常常表现出一种非对称效应。这种非对称性是十分有用的，因为它允许波动率对市场下跌的反应比对市场上升的反应更加迅速，因此被称为“杠杆效应”，是许多金融资产的一个重要事实特征。例如，许多研究人员发现了股票价格行为的非对称实例——负的冲击似乎比正的冲击更容易增加波动。因为较低的股价减少了股东权益，股价的大幅下降增加了公司的杠杆作用从而提高了持有股票的风险。本节将介绍2种能够描述这种非对称冲击的模型：TARCH模型和EGARCH模型。 * 6.2.1 TARCH模型 TARCH或者门限(Threshold)ARCH模型由Zakoian (1990) 和Glosten，Jafanathan，Runkle(1993)独立的引入。条件方差指定为： (6.2.1) 其中，dt-1是虚拟变量：当ut-10时，dt-1=1；否则，dt -1=0 。 在这个模型中，好消息(ut 0)和坏消息(ut 0)对条件方差有不同的影响：好消息有一个? 的冲击；坏消息有一个对?+? 的冲击。如果? ? 0 ，则信息是非对称的，如果 ? 0 ，我们说存在杠杆效应，非对称效应的主要效果是使得波动加大；如果 ? 0 ，则非对称效应的作用是使得波动减小。 * 许多研究人员发现了股票价格行为的非对称的实例 。负的冲击似乎比正的冲击更容易增加波动。因为较低的股价减少了相对公司债务的股东权益，股价的大幅下降增加了公司的杠杆作用从而提高了持有股票的风险。 估计TARCH模型，EViews5要在Threshold选项中填“1” ，表明有1个非对称项，可以有多个。 * 对于高阶TARCH模型的制定，EViews将其估计为： (6.2.2) * 例6.5 中国CPI的TARCH模型 本例利用例6.2的我国消费价格指数CPI和货币政策变量数据建立TARCH模型: 均值方程： 方差方程： * 估计结果如下： * 写成方程： 均值方程： z = (13.14) (-2.59) (3.67) (-2.77) 方差方程： z = (8.14) (2.55) (-1.87) R2=0.99 对数似然值=-150.27 AIC=1.87 SC=2.0 * 在TARCH模型中，非对称效应项的系数? 显著不等于零，说明本例的CPI波动具有非对称效应。 由于? = ? 0.568，小于零，说明“好消息”能比“坏消息”产生更大的波动。 当出现“好消息”时，ut-1 0，则 dt-1 ? 0 ，所以该冲击会给CPI带来一个? = 0.69倍的冲击。 而出现“坏消息”时，ut-1 0，此时 dt-1 ? 1 ，则“坏消息”仅会带来一个? ?? = 0.69+(-0.568)= 0.122 倍的冲击。 由于非对称效应项的系数 ? 是负数，因此所带来的冲击是减少CPI的波动，表明货币政策的实施能够减少价格的波动。 * 6.2.2 EGARCH模型 EGARCH或指数（Exponential）GARCH模型由纳尔什（Nelson，1991）提出。条件方差被指定为： (6.2.3) 等式左边是条件方差的对数，这意味着杠杆影响是指数的，而不是二次的，所以条件方差的预测值一定是非负的。杠杆效应的存在能够通过? 0的假设得到检验。当? 0时，好消息(ut 0)和坏消息(ut 0)对条件方