课件：GARCH模型分析与应用解析.pptVIP

估计结果 R 2 = 0.96 D.W.= 1.83 在上式中， TARCH项的系数显著不为零，说明货币政策的变动对物价具有非对称效应。需要注意，方差方程中? = -0.399 ，即非对称项的系数是负的。这就说明，货币政策对于通货膨胀率的非对称影响是使得物价的波动越来越小。 残差图 观察残差图，还可以发现货币政策的非对称作用在不同阶段对通货膨胀率表现是不同的：在经济过热时期，如1992年～1994年期间，通过均值方程中货币政策变量的紧缩作用，导致了货币政策对通货膨胀的减速作用非常明显，但是由于通货膨胀率方程的残差非常大，由方差方程可知这一时期物价波动很大，但 ，则 dt-1= 0，所以TARCH项不存在，即不存在非对称效应。1995年～1996年初 ，则TARCH项存在，且其系数 ? 是负值，于是非对称效应使得物价的波动迅速减小。当处于经济增长的下滑阶段，它的残差只在零上下波动，虽然出现负值比较多，但这一时期的货币政策非对称扩张作用非常小。 作为GARCH模型的简单扩展，TGARCH模型加入了解释可能的非对称性的附加项。 TGARCH的方差方程为： 其中，Dt表示绝对残差变化方向的哑变量，当?t-10时，Dt=0；否则，Dt=1。在模型中，好消息 ?t-10 和坏消息 ?t-10 对条件方差有不同的影响：好消息有一个 ??i 的冲击；坏消息有一个 ??i +? 的冲击。如果?0，我们说存在杠杆效应；如果 ??0 ，则信息是非对称的。 GRACH类模型的扩展 p214 [实证案例6-2]应用TGARCH模型对中国上海与英国伦敦期货市场的杠杆效应进行检验 高辉（2005）应用TGARCH模型对中国上海与英国伦敦期货市场的杠杆效应进行估计，估计区间为1998年2月4日至2004年12月31日。 两市铜期货市场的TARCH模型估计结果为： 两市铝期货市场的TARCH模型估计结果为： 从上述估计结果中可以看出，哑变量前的系数均为负值，但是均不够显著，说明两市存在的“杠杆效应”均不显著，市场利好消息的影响不能明显强于利空消息的影响。这是中国上海期货交易所金属期货市场的波动性的重要特征。由于对于金属铜来说，两市的影响因素的来源相似，因此，两市波动性的非对称性程度基本一致（由哑变量的系数大小可以看出），表示两市的投资者在对待消息面的冲击的反应上具有基本相同的应变态度，但是对于金属铝来说，两市的影响因素存在一定的差异，两市波动性的非对称性程度存在一定的差异。 Nelson的EGARCH模型 指数GARCH（Expoential GARCH），其条件方差为： 这里，若?＜０，则说明存在杠杆效应。只要??０，冲击的影响就是非对称的。 更高阶的EGARCH表达为： GRACH类模型的扩展 EGARCH(1,1)和GARCH(1,1)的信息冲击曲线对比图 二、单整GARCH（IGARCH）模型 在GARCH(p,q)模型进行金融时间序列估计时，GARCH模型中的参数?i 和?j要服从一定的条件。可以证明：若干扰项服从GARCH(p,q)过程，则其方差为： 干扰项?t的方差 Var(?t)??，无穷大的方差说明序列是不稳定的。因此，通常将 成立时的GARCH（p,q）模型称为单整GARCH（integrated GARCH，IGARCH）模型。 克里斯汀(Christie，1982)的研究认为，当股票价格下降时，资本结构当中附加在债务上的权重增加，如果债务权重增加的消息泄漏以后，资产持有者和购买者就会产生未来资产收益率将导致更高波动性的预期，从而导致该资产的股票价格波动。因此，对于股价反向冲击所产生的波动性，大于等量正向冲击产生的波动性，这种“利空消息”作用大于“利好消息”作用的非对称性，在美国等国家的一些股价指数序列当中得到验证。 例 那么在我国的股票市场运行过程当中，是否也存在股票价格波动的非对称性呢？利用沪市的股票收盘价格指数数据，我们估计了股票价格波动的两种非对称模型，结果分别如下： ① TARCH模型： 均值方程： (19689.6) 方差方程： z (5.57) (7.58) (5.31) (45.43) 对数似然值 =3012.5 AIC = -5.77 SC = -5.75 杠杆效应项由结果中的(RESI