arch模型和garch模型及其matlab实现.doc

第 9 章、ARCH 模型和 GARCH 模型 *****重要阅读材料： Engle, Robert, 2004, risk and volatility: econometric models and financial practice, AER, 94(3): 405-420. 研究内容：研究随时间而变化的风险。 （回忆：Markowitz 均值－方差投资组合选择模型怎样度量资产的 风险） 本章模型与以前所学的异方差的不同之处：随机扰动项的无条件方 差虽然是常数，但是条件方差是按规律变动的量。 波动率的聚类性（volatility clustering）：一段时间内，随机扰动项 的波动的幅度较大，而另外一定时间内，波动的幅度较小。如图， 0.8 0.6 0.4 0.2 0.0 -0.2 500 1000 1500 2000 R §1、ARCH 模型 1、条件方差 多元线性回归模型： y ? X ? ?? t t t 条件方差或者波动率（Condition variance，volatility）定义为 ? ? var (? ) ? var(? |? ) 2 t t?1 t t t?1 其中 ? 是信息集。 ? t 1 2、ARCH 模型的定义 Engle （ 1982 ） 提 出 ARCH 模 型 （ autoregressive conditional heteroskedasticity，自回归条件异方差）。 ARCH(q)模型： y ? x ? ?? （1） t t ? 的无条件方差是常数，但是其条件分布为 t ? ? ? t | t ~ N(0, t2 ) ?1 ? 2 ?? ?? ? 2 ???? ? 2 （2） t 1 t?1 q t?q 其中 ? 是信息集。 ? t 1 方程（1）是均值方程（mean equation） ? ? 2 ：条件方差，含义是基于过去信息的一期预测方差 t 方程（2）是条件方差方程（conditional variance equation），由二项 组成 ? 常数? ? ARCH 项 2? ：滞后的残差平方 ? t i 习题： 方程（2）给出了? 的条件方差，请计算? 的无条件方差。 t t 引理（方差分解公式）：【不作要求】 Var(X)=Var[E(X|Y)]+E[Var(X|Y)] 证明： （1）条件方差定义为 Var(X|Y)=E{[X-E(X|Y)]2|Y} （2）注意，条件方差 Var(X|Y)是随机变量 Y 的函数。展开，得到 Var(X|Y)=E(X2|Y)－[E(X|Y)]2 因此， E[Var(X|Y)]=E{E(X2|Y)－[E(X|Y)]2} = E{E(X2|Y)}－E{[E(X|Y)]2} = E(X2)－E{[E(X|Y)]2} （3）使用如下公式 Var[g(Y)]=E{[g(Y)]2}-{E[g(Y)]}2，定义 g(Y)=E(X|Y) 并代入以上等式，得到 Var[E(X|Y)]=E{[ E(X|Y)]2}-{E[E(X|Y)]}2 =E{[ E(X|Y)]2}-{E(X)}2 （3）因此，合并，得到 E[Var(X|Y)]+ Var[E(X|Y)] = E(X2)－E{[E(X|Y)]2}+E{[ E(X|Y)]2}-{E(X)}2 = E(X2) -{E(X)}2 =Var(X) 证明结束。 习题的证明： 利用方差分解公式：Var(X) = VarY[E(X|Y)] + EY[Var(X|Y)] 由于?t |?t N(0,?t2 ) ? ? ，所以条件均值为 0，条件方差为 ? 2 。那么， 1 t ? ? var (? ) 2 t t?1 t var(? ) ? ?E[var (? )] ? E? 2 t t?1 t t ? E(? ?? ? 2 ? ?? ? 2 ) ? 1 t?1 q t?q ? ? E 2 ? ? E 2 ? ? ? ? ? ? 1 t?1 q t?q ? ? ?? ? ? ?? ? var( ) ? var( ) 1 t?1 q t?q ? ? ?? ? ? ?? ? var( ) ? var( ) 1 t q t 推出 var(? ) t ? ? 1?? ???? 1 q ，说明 ? t ? ~ N(0, ) 1?? ?...?? 1 q 3、ARCH 模型的平稳性条件 在 ARCH(1)模型中，观察参数? 的含义： 当? ?1时， var(? ) ? ? t 当? ? 0时，退化为传统情形， t N(0, ) ? ? ? ARCH 模型的平稳性条件：?? ?1（这样才得到有限的方差） i 4、ARCH 效应检验 ARCH LM Test：拉格朗日乘数检验 针对 ARCH 模型? 2 ?? ?? ?2 ????