基于GARCH模型的国内黄金指数回报率预测评价.docx

基于GARCH模型的国内黄金指数回报率预测评价

【摘要】文中采用时间序列的Garch模型对我国黄金指数建模进行预测。通过分析讨论我国黄金指数AUL9价格收益波动规律的特征，有利于投资者更科学合理地把握黄金指数市场行情，控制市场风险，对该市场波动规律及未来趋势研究具有实际意义。实证表明我国的黄金指数回报率时间序列具有随机游走特性，且存在arch效应，我们通过拟合Garch（1，1）模型进行预测，取得了比较满意的预测结果。Garch（1，1）模型计量结果表明其具有波动集聚性，并且波动的外部冲击对市场有长期的影响。

【关键词】黄金指数?Garch模型?预测?资产收益波动率

一、引言

今年年初当美国等西方国家的金融体系遭遇突发风险事件和不稳定因素时，黄金被视为一种重要的避险资产，于是世界各国对黄金的发展走势越来越重视。随着金融风险造成的损失越来越突显，对于黄金指数回报率进行建模，综合各种指标，提出科学建议就显得格外重要。至于我们本次研究的黄金指数回报率建模及预报能力，国外的研究人员做过系统性的论证分析，指出跟踪分析黄金指数波动率与成交量之间的关系能够帮助我们开发市场内部买卖双方的交易信息及综合状态，并整合这些微观层面的信息可以帮助投资者避免盲目效仿，进一步评估这些信息产生的影响，对衡量黄金指数发展水平发挥着重要的作用，最终帮助我们看清黄金指数的回报率分布和走势规律。从国内已有的文献资料看来，国内对该领域研究较晚，对黄金指数的特征、走势等等探讨的并不太多。

二、文献综述

早在20世纪初期，国外已经有相关的学术研究，RobertF.Engle（1982）发表了关于自回归条件异方差arch模型的研究。之后不久，Bollerslev（1986）提出来基于arch模型的广义自回归条件异方差Garch模型，该模型考虑到上一期对现期影响因素以及外部条件的影响，进一步放开对arch模型的约束。它比传统的方差模型刻画出的金融市场风险的变化过程更加准确，因此arch模型及衍生出的Garch模型在金融时间序列研究领域有着广泛的应用。

我们这里研究的Garch模型在分析论证黄金指数AUL9过程中表现出的波动率集聚的特点效果显著，可以运用于金融时间序列收益波动率的预测评估。选用Garch模型分析我国黄金指数AUL9价格波动率走势特征，同时对该模型在未来波动率的预测效果进行评价，给市场参与者提供一定的参考。

三、Garch预测模型介绍及数据收集处理

（一）Garch预测模型介绍

Garch模型不同于传统的模型要指定方差为一个固定的数，它将方差表现呈一种动态序列的形式，更贴近市场的客观情况，使所建模型效果更好。所以比起arch模型，Garch模型更加适用于做波动率的分析和预测。Garch（1，1）模型是Garch（p，q）方法中最常用的模型，我們将其作为拟合黄金指数价格的预测工具，模型的数学表达为：

Rt=C+εt

其中Rt是金融资产收益率，C为常数项，εt为误差项，α00，α1≥0，β1≥0。

（二）数据收集及处理

本文中实证研究选取的某交易所发布的黄金指数数据AUL9的每日收盘价数据作为样本;由于Garch模型要求采用的样本数量最少应为200个以上的前提条件，为保证有足够的样本量，文中选取的样本时间跨度从2010年1月4日至2018年11月7日，共2148个有效的交易日数据，黄金指数交易价格及交易量数据来自wind数据库提供的统计数据。

笔者运用的是黄金指数AUL9回报率时间序列数据，采取的是回报率的对数形式，也就是每两个连续交易日收盘价取对数后的一阶差分，数学表达式为：

Rt=lnpt-lnpt-1

其中pt为当日的收盘价，pt-1为前一日收盘价，Rt为当日的回报率。

四、数据样本的基本检验

数据的正态性测试：

一般金融数据需先测试正态性，以验证分析的数据究竟呈现出怎样的分布状态，当它不服从正态分布，我们才可以拿来做后续的研究分析。本文中笔者分别运用Q-Q图分析法及J-B检验法等两种方法进行正态性检验。

图1黄金指数AUL9的回报率的正态Q-Q图及直方图

（1）Q-Q图形分析法。利用SPSS软件，笔者模拟出黄金指数AUL9的日回报率的正态Q-Q图（见图1左图），黄金指数的Q-Q图大致呈“S”状，与图中的直线并不重合，说明分析的样本数据并不服从正态分布。

（2）峰度偏度分析法。笔者模拟出黄金指数AUL9的回报率直方图（见图1右图），观察结果：黄金指数AUL9的回报率序列Rt的Mean值为0.0005约等于0，回报率序列的std.dev标准差值为0.0096，skewness值为-0.304，偏度小于0，说明该序列呈拖尾分布，kurtosis为5.391，峰度大于3，该序列分布高于正态分布。

五、Garch预测模型