波动度模型文献回顾.PDF

第三章 波動度模型文獻回顧 第一節 波動度模型 文獻上研究波動度的模型可大致分為兩類：可預測波動度(predictable volatility)與不可預測波動度(unpredictable volatility)模型。可預測波動度模型為 GARCH 家族 ，在利用前期所有訊息的條件下 ，現期的波動度是可被預測的 ，而 另一類則為不可預測波動度模型或是隨機波動度 (stochastic volatility)模型，兩者 最大的不同在於估計程序 。雖然現期的波動度 h t 無法得知 ，但可以藉由過去一 連串的訊息 ε , ε ……所建構的模型來預測，換言之過去市場訊息是可以被 t −1 t −2 用來衡量現期的波動度大小 ，而ε | Ω 的條件機率分配可以從 GARCH模型 t t −1 設定的白噪音 (white noise)得之，因此 GARCH 家族模型係數的估計便可利用最 大概似法求得。但是在隨機波動模型的假設下 ，因為現期波動度是隨機的 ，不但 不能被觀察而且也不能從過去的訊息中預測，因此便不能用最大概似法求得係 數 ，必須利用其它計量方法如 GMM 等 ，但因為這些計量方法孰優仍是未定數， 因此本文只考慮可預測波動度模型。 最早提出的波動度模型為 Engle(1982)提出的 ARCH (autoregressive conditional heterocsedastic)模型 ，令標的資產報酬率的波動度會隨著時間而變動 ， Bollerrslev (1986) 一般化ARCH模型提出的 GARCH模型 ，允許前期波動度也會 對現期波動度造成影響 。GARCH模型以價格變動來代表真正的市場訊息傳遞過 程，在 GARCH 模型中，市場訊息傳遞過程的變異數會隨著時間而變動，換句 話說市場訊息到達市場上的傳遞過程呈現波浪狀 (wave) ，不同於傳統的假設視市 場訊息傳遞過程的變異數為固定常數 ，但 GARCH模型並未考慮到價格變動正負 21 方向的影響。因此陸續學者修正GARCH模型而產生各種 GARCH 家族模型。 最 早 考 慮 到 不 對 稱 效 果 的 模 型 為 Nelson(1990) 提 出 的 Exponential –GARCH(EGARCH)模型， Nelson 將條件變異數h 取自然對數 避免( t 產生負的波動度) ，並假設前期市場訊息對波動度的影響呈現指數遞增 。Glosten, Jagannathan and Runkle(1993)提出 GJR-GARCH模型，將前期市場訊息分成正向 與負向並同時放入模型中，藉由係數的不同判定是否具有不對稱效果。 GJR-GARCH可稱作是一種門檻 (threshold)模型，以市場訊息變動為 0時當作門 檻，由 (3.1)GJR-GARCH的模型設定中可看出這種類似虛擬變數的設定方式使得 參數在市場訊息變動為0時產生劇烈的跳動。 2 2 h w =+αε (1−Ι ε 0 ) +γ ε Ι ε 0 +β h (3.1) t 1 t −1 [ t −1 ] 1 t −1 [ t −1 ] 1 t −1 González-Rivera (1998)利用 logistic function ，當市場訊息變動由正轉負時， 可使參數的變動平滑化，這樣的模型便稱為 Smooth transition GARCH模型，另 外又可根據使用來平滑化的函數不同而分為 LSTGARCH 模型 (使用 logistic func