garch模型_原创精品文档.pdfVIP

人人好公，则天下太平；人人营私，则天下大乱。——刘鹗

GARCH模型概述

自从Engle(1982)提出ARCH模型分析时间序列的异方差性以后，波勒斯列夫

T.Bollerslev(1986)又提出了GARCH模型，GARCH模型是一个专门针对金融数据所量体订做

的回归模型，除去和普通回归模型相同的之处，GARCH对误差的方差进行了进一步的建模。特

别适用于波动性的分析和预测，这样的分析对投资者的决策能起到非常重要的指导性作用，其意

义很多时候超过了对数值本身的分析和预测。

[编辑]

GARCH模型的基本原理

一般的GARCH模型可以表示为：

其中h为条件方差，u为独立同分布的随机变量，h与u互相独立，u为标准正态分布。（1）

ttttt

式称为条件均值方程；（3）式称为条件方差方程，说明时间序列条件方差的变化特征。为了适

应收益率序列经验分布的尖峰厚尾特征，也可假设服从其他分布，如Bollerslev(1987)假设收

益率服从广义t-分布，Nelson(1991)提出的EGARCH模型采用了GED分布等。另外，许多实

证研究表明收益率分布不但存在尖峰厚尾特性，而且收益率残差对收益率的影响还存在非对称

性。当市场受到负冲击时，股价下跌，收益率的条件方差扩大，导致股价和收益率的波动性更大；

反之，股价上升时，波动性减小。股价下跌导致公司的股票价值下降，如果假设公司债务不变，

则公司的财务杠杆上升，持有股票的风险提高。因此负冲击对条件方差的这种影响又被称作杠杆

效应。由于GARCH模型中，正的和负的冲击对条件方差的影响是对称的，因此GARCH模型

不能刻画收益率条件方差波动的非对称性。

[编辑]

GARCH模型的发展

人人好公，则天下太平；人人营私，则天下大乱。——刘鹗

为了衡量收益率波动的非对称性，Glosten、Jagannathan与Runkel（1989）提出了GJR

模型，在条件方差方程（3）中加入负冲击的杠杆效应，但仍采用正态分布假设。Nelson(1991)

提出了EGARCH模型。Engle等（1993）利用信息反应曲线分析比较了各种模型的杠杆效应，

认为GJR模型最好地刻画了收益率的杠杆效应。Glosten、Jagannathan与Runkel（1993）分

析比较了各种GARCH-M模型，指出不同的模型设定会导致条件方差对收益率产生正或负的不

同影响，

[编辑]

GARCH模型的缺陷

由于GARCH(p,q)模型是ARCH模型的扩展,因此GARCH(p,q)同样具有ARCH(q)模型的特

点。但GARCH模型的条件方差不仅是滞后残差平方的线性函数,而且是滞后条件方差的线性函

数。

GARCH模型适合在计算量不大时,方便地描述了高阶的ARCH过程,因而具有更大的适用

性。但GARCH(p,q)模型在应用于资产定价方面存在以下的不足:

①GARCH模型不能解释股票收益和收益变化波动之间出现的负相关现象。GARCH(p,q)模型假

定条件方差是滞后残差平方的函数,因此,残差的符号不影响波动,即条件方差对正的价格变化和

负的价格变化的反应是对称的。然而在经验研究中发现,当利空消息出现时,即预期股票收益会下

降时,波动趋向于增大;当利好消息出现时,即预期股票收益会上升时,波动趋向于减小。