非对称GARCH模型波动率预测.pdfVIP

非非对对称称GARCH模模型型在在金金融融波波动动率率预预测测中中的的应应用用与与机机制制

一一、、GARCH模模型型的的理理论论基基础础与与发发展展脉脉络络

（（一一ARCH模模型型的的提提出出与与局局限限性性

Engle（1982提出的自回归条件异方差（ARCH模型首次为波动率的时变特征提供了量化框架。该模型通过将条件方差表

示为过去残差平方的线性组合，成功捕捉了金融时间序列的波动聚集现象。然而，标准ARCH模型存在两大缺陷：其一，滞后

阶数较高时参数估计效率下降；其二，无法解释波动率对正负冲击的非对称响应。

（（二二GARCH模模型型的的改改进进与与推推广广

Bollerslev（1986将ARCH模型扩展为广义自回归条件异方差（GARCH模型，引入条件方差的自身滞后项。GARCH(p,q)

模型可表示为：[\sigmat^2=\omega+\sum{i=1}^p\alphai\varepsilon{t-i}^2+\sum{j=1}^q\betaj\sigma{t-j}^2]这种结

构显著降低了参数数量，提高了模型稳健性。但传统GARCH仍隐含对称响应假设，即正负冲击对波动率的影响被假定为等

同，这与金融市场的杠杆效应存在根本矛盾。

二二、、非非对对称称GARCH模模型型的的核核心心类类型型

（（一一门门限限GARCH（（TGARCH模模型型

Zakoian（1994和Glosten等（1993独立提出门限效应模型，其条件方差方程包含示性函数：[\sigmat^2=\omega+

\alpha\varepsilon{t-1}^2+\gamma\varepsilon{t-1}^2I{(\varepsilon{t-1}0)}+\beta\sigma{t-1}^2]当残差为负时，I=1触发

附加系数γ，使得负面消息对波动率的冲击为(α+γ)ε²，而正面消息仅产生αε²的影响。这种结构能有效刻画坏消息引致更大波

动的市场现象。

（（二二指指数数GARCH（（EGARCH模模型型

Nelson（1991采用对数方差形式避免非负约束：[\ln(\sigmat^2)=\omega+\beta\ln(\sigma{t-1}^2)+\gamma

\frac{\varepsilon{t-1}}{\sigma{t-1}}+\alpha\left(|\frac{\varepsilon{t-1}}{\sigma{t-1}}|\sqrt{\frac{2}{\pi}}\right)]其中γ项捕捉非对

称效应：当标准化残差为负时，γ会放大波动率响应。该模型特别适用于具有显著杠杆效应的资产，如股票指数。

（（三三其其他他非非对对称称变变体体比比较较

非对称GARCH族还包括PGARCH（幂变换模型、QGARCH（二次形式模型等。这些模型在函数形式、参数约束等方面

存在差异：例如，PGARCH通过引入幂参数d增强波动率方程灵活性，QGARCH则在均值方程中加入交叉项。实证研究表

明，EGARCH在预测极端波动事件时表现更优，而TGARCH在参数解释性方面更具优势。

三三、、模模型型估估计计与与选选择择方方法法

（（一一最最大大似似然然估估计计的的优优化化策策略略

非对称GARCH模型的参数估计通常采用拟最大似然法（QMLE。对数似然函数为：[L(\theta)=-\frac{1}{2}\sum{t=1}^T\left(

\ln(2\pi)+\ln(\sigmat^2)+\frac{\varepsilont^2}{\sigmat^2}\right)]由于模型非线性特性，需采用BFGS或Marquardt算法进行

数值优化。实践中需注意：初始值选择影响收敛速度，可通过网格搜索确定；标准化残差分布假设（正态、t分布或GED会

显著影响估计效率。

（（二二模模型型诊诊断断与与比比较较标标准准

估计完成后需进行标准化残差检验：Ljung-BoxQ统计量检验自相关性，ARCH-LM检验验证异方差是否消除。信息准则方

面，AIC和BIC的权衡需考虑样本量——大样本下BIC的惩罚项更严格。对于嵌套模型，似然比检验（LRT可