Sequential-BEKK多维GARCH模型及其在股票市场中的应用.docVIP

Sequential-BEKK多维GARCH模型及其在股票市场中应用 Sequential-BEKK Multivariate GARCH Model and Its Application in the Stock Market 摘要 方差-协方差矩阵及对应的相关系数矩阵在资产定价、风险管理和资产配置中越来越重要，但是多维GARCH模型在估计多维的方差-协方差矩阵及相关系数矩阵时却遇到了一些瓶颈。（1） 多维GARCH模型中需要估计的参数总是随着变量的增加呈现几何级数的增加（2）模型的灵活性（3）计算量大。本文基于Palandri（2021 ）一文中提出的序列条件相关模型，将多维GARCH模型分解为单变量GARCH模型和双变量GARCH的思想，对于双变量的GARCH部分我们采用BEKK模型进行估计，提出了Sequential-BEKK模型。 Sequential-BEKK模型估计方差-协方差和相关系数矩阵的过程大致如下：首先，通过将方差—协方差矩阵或相关系数矩阵进行分解成一系列的初等矩阵的乘积，然后按一定的顺序估计各个初等矩阵。对于各个初等矩证中的元素，由于其每个元素均是代表两个时间序列之间的相关系数，我们假定此相关系数服从BEKK的动态过程，然后通过最大似然法估计BEKK模型，得到初等矩阵中的元素。 通过以上描述可知，Sequential-BEKK模型在一定程度上解决了维度魔咒，而且保持了模型的灵活性。在文中，我们根据White(1996)中的两步法最大似然估计的相关理论，给出了用似然函数估计出来的参数的一致性和渐近正态性的充分条件。 我们在文中运用BEKK模型模拟了4个、20个序列和正态分布、T分布的情况。通过比较发现，尽管Sequential-BEKK模型在进行样本内预测相关系数矩阵时，表现优于BEKK系列模型和OGARCH模型，稍差于CCC和DCC模型。但是Sequential-BEKK模型估计出来的相关系数矩阵能够比其他模型更好的刻画真实相关系数的动态过程。而且我们还进行了样本外预测的表现比较，Sequential-BEKK模型的样本外预测表现优于Diagonal-BEKK和Scalar-BEKK模型，而随着维度的增加，Sequential-BEKK模型样本外预测能力逐渐的优于DCC等模型。 基于Sequential-BEKK估计的相关系数我们发现，中国的A股和B股股票市场之间的相关性随着B股市场向中国内地居民开放而显著的提高。然而尽管经济全球化使得中国经济与世界经济之间的联系更加紧密，但是中国股票市场与全球其他股票市场之间的相关性仍然比较弱。但是，尽管中国的股票市场在过去的几年中采取一序列的开放措施比如，开放B股市场给予外国投资者，在A股市场上引入QFII以及鼓励国内的机构投资者投资海外等等，我们发现A股市场与世界其他市场之间的相关性尽管是时变得，但是A股市场与其他股票市场之间的相关性并没有上升。 Abstract Understanding and predicting volatilities of asset returns has been the object of much attention, as it can be used in asset pricing, asset allocation and risk management. However, even though relations between volatilities of several markets and variance-covariance matrix of portfolio are needed, the problems of multivariate GARCH models constrained the researchers to exploring the way to construct and estimate MGARCH models. In our paper we introduce an extension of sequential conditional correlation (SCC) model called Sequential-BEKK model which can solve the problem of curse of dimensionality and retain the property of flexibility. The procedures to estimate the Sequential-BEKK model are as follows: first, we decompose the covariance-variance m