波动率的估计(ARCH模型)(1).pptVIP

金融时间序列模型 第五章：波动率的估计 金融时间序列模型 ARCH模型概念 波动率模型 金融衍生市场，计算期权等衍生工具的价格需要了解股票的波动率 金融风险管理,度量金融风险的大小，计算VaR。 异方差性（heteroscedasticity ） 经典线性回归模型的一个重要假定是：总体回归函数中的随机误差项满足同方差性，即它们都有相同的方差。如果这一假定不满足，则称线性回归模型存在异方差性。 　　异方差性例子：在实际经济问题中，随机扰动项Ui往往是异方差的，例如 　　（1）调查不同规模公司的利润，发现大公司的利润波动幅度比小公司的利润波动幅度大； 　　（2）分析家庭支出时发现高收入家庭支出变化比低收入家庭支出变化大。 　　在分析家庭支出模型时，我们会发现高收入家庭通常比低收入家庭对某些商品支出有更大的方差。 异方差性破坏了古典模型的基本假定，如果我们直接应用最小二乘法估计回归模型，将得不到准确、有效的结果。 异方差性另一例子：波动率据聚类性。 资本市场的波动性通常用收益率的标准差来度量,也称为波动率.大量研究表明股票收益率表现为在某个时间段波动大,而在另一个时间段收益率波动又比较小的现象, 这种现象被称为波动率聚类性。 对金融资产的收益率作折线图： P14 图1.3.3 波动率的重要性 股票(期权)定价 P193,公式(5.1) 货