ARCH模型综述改进版.pptVIP

ARCH-GARCH模型研究综述 管理决策与系统理论第一小组 林芃 方伟正 胡琪玲 李雅馨 引言 自回归条件异方差（ARCH）模型是由Robert Engle于1982年最早提出的，自ARCH模型始创以来，经历了两次突破。 一次是广义ARCH（Generalized ARCH），也即GARCH模型的提出。从此以后，几乎所有的ARCH模型新成果都是在GARCH模型基础上得到的。 第二次则是长记忆在经济学上的研究取得突破，与ARCH模型相结合所产生的一系列长记忆ARCH的研究从1996年至今方兴未艾ARCH类模型因其良好的统计特性和对波动现象的准确描述，被广泛地应用于对经济类时间序列数据，如利率、外汇汇率、通货膨胀率等的回归分析及预测中。 我们将把介绍的重点放在ARCH模型早期阶段及第一次突破进展阶段。 研究框架 一、早期ARCH模型族 ARCH模型 从事于股票价格、通货膨胀率、外汇汇率等金融时间序列预测的研究工作者，曾发现他们对这些变量的预测能力随时期的不同而有相当大的变化。预测的误差在某一时期里相对地小，而在某一时期里则相对地大，然后，在另一时期又是较小的。这种变异很可能由于金融市场的波动性易受谣言、政局变动、政府货币与财政政策变化等等的影响。从而说明预测误差的方差中有某种相关性。 按照通常的想法，自相关的问题是时间序列数据所特有，而异方差性是横截面数据的特点。但在时间序列数据中，会不会出现异方差呢？会是怎样出现的？ 自回归条件异方差模型(ARCH)就是基于这个问题提出的。 ARCH模型 自回归条件异方差(Autoregressive Conditional Heteroscedasticity Model，ARCH)模型是特别用来建立条件方差模型并对其进行预测的。 ARCH模型是1982年由恩格尔(Engle,R.)提出，并由博勒斯莱文(Bollerslev,T.,1986)发展成为GARCH (Generalized ARCH)——广义自回归条件异方差。这些模型被广泛的应用于经济学的各个领域。尤其在金融时间序列分析中。 为了刻画预测误差的方差中的相关性，恩格尔提出自回归条件异方差 （ARCH）模型。ARCH的主要思想是时刻t的ut的方差（= ）依赖于时刻(t?1)的残差平方的大小，即依赖于 线性ARCH模型 从模型的结构上看，大的过去抖动的平方 导出均值修正的收益率 的大的条件方差 。从而， 有较大值的倾向。我们把这种在ARCH的框架下，大的抖动会接着另一个大的抖动的现象叫做ARCH效应(这种效应的本质其实就是序列不是独立的)，这种现象与对资产收益率所观察到的波动率聚集相似。 模型的建立 ARCH模型建立的简单方法包括三个步骤： （1）对收益率序列建立一个经济计量模型(如ARMA模型)，以分离出数据中的任何线性相关成分，并用该模型的残差序列检验ARCH效应； （2）具体确定ARCH模型的阶，并估计参数； （3）仔细检验所拟合的ARCH模型，对它进行必要的改进。常用的检验方法有Ljung-Box统计量和Engle在1982年提出的拉格朗日乘子法。 模型的缺点 ARCH模型有不少优点，但也有一些缺点： 1）ARCH模型假定正的抖动和负的抖动对波动率有相同的影响，因为波动率依赖于以前抖动的平方。实际中，众所周知，金融资产价格对正的和负的抖动的反应是不同的。 2）ARCH模型对参数的限制是相当严格的。例如不同阶距对a1的限制。 3）对于弄清一个金融时间序列的变化的来源， ARCH模型不能提供任何新见解。它只是提供一个机械的方式来描述条件方差的状态，而对由什么引起这种变化没有给出任何启示。 4）ARCH模型会过高估计波动率，因为它对收益率序列大的孤立的抖动反应缓慢。 ARCH-M模型 ARCH-M模型由Engle、Lilien和Robins于1985年首先提出，1987年正式发表。 ARCH模型考虑了条件方差的时变性因素，用以分析波动性，而波动性的分析与风险是分不开的。于是，Engle等人进一步把条件方差可以作为随时间改变的风险度量这一重要用途纳入考虑范围，将风险与收益联系在一起，就提出了这一ARCH模型族的重要分支。 TARCH与NARCH模型 除了ARCH-M之外，ARCH还有两个较重要的形式，分别是TARCH和NARCH。 TARCH(Thresold ARCH)模型考虑到了方差与扰动项的正负符号有关，NARCH则是一种重要的非线性ARCH模型，二者都针对性地解决了线性ARCH模型的某部分缺陷，比线性ARCH模型更先进。 但由于