GARCH族模型在波动率预测中的MCS检验.docxVIP

GARCH族模型在波动率预测中的MCS检验

一、GARCH族模型的基本原理

（一）GARCH模型的提出与发展

广义自回归条件异方差（GARCH）模型由Bollerslev（1986）提出，旨在解决金融时间序列中波动率聚集现象。其核心思想是将条件方差表示为滞后残差平方和滞后条件方差的线性组合，数学形式为：

[t^2=+{i=1}^pi{t-i}^2+_{j=1}^qj{t-j}^2]

其中，()为常数项，(_i)和(_j)分别为ARCH项和GARCH项的系数。GARCH(1,1)模型因参数简洁且预测效果稳健，成为学术界与业界的标准工具（Engle,1982）。

（二）GARCH族模型的扩展形式

为捕捉金融市场的非对称效应和长记忆性，学者提出了多种GARCH扩展模型。例如，EGARCH（Nelson,1991）引入对数条件方差，允许正负冲击对波动率产生不对称影响；TGARCH（Zakoian,1994）通过门限机制区分不同方向的冲击；FIGARCH（Baillieetal.,1996）则结合分整积分过程，适用于长记忆性数据。

（三）GARCH族模型的参数估计

GARCH模型的参数估计通常采用最大似然法（MLE）。假设收益率服从条件正态分布或t分布，似然函数可表示为：

[L()=_{t=1}^T(-)]

实证研究表明，t分布假设能更准确地刻画