现代金融探究专题ppt-garch模型资料.pptVIP

现代金融研究专题 GARCH模型 1、金融时间序列的特点 尖峰厚尾（Leptokurtosis）：金融回报序列普遍表现出厚尾（fat tails）和在均值处出现过度的峰度（excess peakedness），偏离正态分布 波动丛集性（volatility clustering）和波动集中性（ volatility pooling），波动是自相关的 正负冲击的非对称性：好消息和坏消息对投资者的影响 以上的这些特点，传统计量经济学的线性回归模型是无法解决的。 回归的结果可能是错误的 1、金融时间序列的特点 实证结果表明：金融资产的回报率并不完全满足正态分布 对深市2000.1.4~2006.5.9日回报率样本偏度是0.75，峰度是8.91。 由于大多数的金融资产具有明显的重尾性，可以采用两种方法进行改进 条件分布：ARCH和GARCH 寻找其他分布形式来描述，主要有t分布，GED分布和gh分布 2 ARCH模型 ARCH，autoregressive conditionally heteroscedastic，自回归条件异方差模型 条件：在时间序列中，给出不同的时点的样本（对于不同时点的观测值），得到残差的方差是不同的，故方差随时间给出的条件而变化，即异方差 自回归：残差平方服从AR(p)过程 若线性回归模型的误差实际上是异方差，却被假定为同方差，这就意味着标准误差的估计值是错