r软件及其在金融定量分析中的应用-ch06.pptxVIP

R软件及其在金融定量分析中的应用主编：许启发、蒋翠侠制作：侯奇华、王侠英2014年10月编写第6章 金融波动模型第一节 GARCH类模型第二节 SV类模型第三节 高频波动模型第一节 GARCH类模型ARCH模型ARCH模型表示 CH-06/CH-06-01-01.R例CH-06/CH-06-01-01.R6-1一般地，ARCH( )模型可以表示为：式中， 为解释变量组成的向量，可以由的滞后项或者其他外生变量组成； 是 期的扰动项，它为独立同分布的白噪声过程，表示偶发因素的作用；，保证条件方差严格为正，且 保证ARCH过程平稳。第一节 GARCH类模型ARCH模型ARCH效应检验 对ARCH效应进行检验，最为经典的方法当属Engle(1982) 提出的拉格朗日乘子检验。对ARCH模型中的均值方程，若随机变量为独立的白噪声过程，且 ，这时在ARCH模型的方差方程中有，而 为一常数。如果随机变量服从ARCH过程，那么 中至少有一个 不全为零。因此ARCH模型检验的原假设和备选假设为H0：（不存在ARCH效应）H1： 不全为零第一节 GARCH类模型ARCH模型ARCH效应检验CH-06/CH-06-01-01.R例CH-06/CH-06-01-01.R6-2并取 ， ，利用拉格朗日乘子（LM）来检验 的ARCH效应。按照LM检验方法，其检验统计量为利用对数似然函数对所讨论的参数向量 求取一阶和二阶偏微分，在样本数充分大时给出LM的算式为式中，为样本数，取残差 ， 是 对 进行回归所得到的拟合优度，。 第一节 GARCH类模型ARCH模型ARCH模型估计 ARCH模型最常用的估计方法就是极大似然估计，其对数似然函数为式中， ， ， 。利用优化方法即可得到参数向量 的一致估计量。第一节 GARCH类模型GARCH模型GARCH模型表示 CH-06/CH-06-01-01.R例CH-06/CH-06-01-01.R6-3 一般地，GARCH(p,q)模型可以表示为式中，为零均值、单位方差的独立同分布随机扰动序列，可以假定其服从标准正态分布、标准化的t分布或者广义误差分布（GED）等； ； ；。显然，当 ，GARCH(p,q)模型就退化为ARCH(q)模型。第一节 GARCH类模型GARCH模型GARCH模型定阶 一个GARCH(p,q)模型，可以通过两步法来确定其滞后阶数。第一步，确定滞后阶数 。对于残差序列 ，由于 为 的无偏估计，可以使用 的偏自相关函数（PACF）来确定ARCH部分的最优滞后阶数 。第二步，确定滞后阶数 。在 给定的前提下，可以使用AIC准则或者BIC准则确定GARCH部分的最优滞后阶数 。第一节 GARCH类模型GARCH模型GARCH模型估计 GARCH模型最常用的估计方法为极大似然估计，定义 ，则第一节 GARCH类模型GARCH模型GARCH模型估计在随机变量服从正态分布下，其条件密度函数为对于 个观测值下的对数似然函数为参数向量 的最大似然估计 为方程组的解。第一节 GARCH类模型GARCH模型GARCH模型检验 对于一个恰当的GARCH模型设定，其标准化残差序列：应该服从独立同分布，且具有零均值与单位方差。为此，根据Tsay(2005) 的建议，可以使用Ljung-Box统计量分别检验 和 来评估GARCH模型中均值方程与方差方程设定的正确性；通过 的Q-Q图，识别分布假设的正确性。第一节 GARCH类模型GARCH模型GARCH模型预测 在GARCH模型预测中，最核心的为条件方差（波动率）预测。对于GARCH(p,q)模型，为得到其向前 步预测，可以将方差方程向前递推 步，得到式中，。因此，对方程两边同时使用条件期望，可得这样，可以通过递归方式对条件方差进行求解，从而得到波动率的向前 步预测结果。第一节 GARCH类模型GARCH模型GARCH模型预测 特别地，对于GARCH(1,1)模型，我们有：当 且 时，有式中， 为 的无条件方差； 为向前 步条件期望预测。第一节 GARCH类模型GARCH模型 CH-06/CH-06-01-01.R案例分析第一节 GAR