21ARH 模型.docVIP

PAGE PAGE 3第9章 GARCH 模型前面介绍的模型都是预测被解释变量的期望值，而ARCH，GARCH模型预测的是被解释变量的方差。ARCH模型在分析金融时间序列中有着广泛的应用。9.1 问题的提出以前介绍的异方差属于递增型异方差，即随机误差项方差的变化随解释变量的增大而增大。但利率，汇率，股票收益等时间序列中存在的异方差却不属于递增型异方差。例如，汇率，股票价格常常用随机游走过程描述， xt = xt -1 + ut (9.1)其中ut为白噪声过程。1995-2000年日元兑美元汇率时间序列及差分序列见图9.1和图9.2。 图9.1 日元兑美元汇率序列JPY(1995-2000) 图9.2 日元兑美元汇率差分序列（收益）D(JPY) 图9.3 收益绝对值序列 (1995-2000) 图9.4 D(JPY)的平方 (1995-2000)这种序列的特征是（1）过程的方差不仅随时间变化，而且有时变化得很激烈。（2）按时间观察，表现出“波动集群”（volatility clustering）特征，即方差在一定时段中比较小，而在另一时段中比较大。（3）从取值的分布看表现的则是“高峰厚尾”（leptokurtosis and