条件异方差模型.pptxVIP

第八章条件异方差模型第一节模型简介第三节异方差检验第二节扩展模型

第一节模型简介一、ARCH模型二、GARCH模型

上证指数收益率时序图（—）

一、ARCH模型(Engle,1982)假定原理通过构造残差平方序列的自回归模型来拟合异方差函数ARCH(q)模型结构

（一）ARCH(1)模型ARCH(1)模型结构

模型中将条件方差表达成过去扰动项的回归函数形式，形式恰能反映金融市场波动集聚性特点，即较大幅度的波动后面紧接着较大幅度波动，较小幅度的波动后面紧接着较小幅度的波动。利用ARCH模型可以更精确地估计参数，提高预测精度。ARCH模型的随机误差项服从宽尾的无条件分布，这恰好能描述金融市场上资产收益率变量是宽尾分布的特征。ARCH模型的特征改善了计量经济模型的预测能力（二）ARCH模型的特点

010203模型中参数过多ARCH模型中将条件方差设定为的线性函数，这只是特例ARCH模型中被假定为正态分布，越来越多的研究表明，在一些金融序列中，这种假定并不符合实际情况（三）ARCH模型的缺点

二、GARCH模型(Bollerslev,1986)使用场合ARCH模型实际上适用于异方差函数短期自相关过程GARCH模型实际上适用于异方差函数长期自相关过程模型结构0102

01参数非负02参数有界（一）GARCH模型的约束条件

GARCH(p,q)模型等价于ARCH()，减少了待估参数的个数，实证研究表明GARCH(1,1)是一个简单且有效的模型02ARCH(q)模型是GARCH(p,q)的特例01（二）GARCH模型的特点

IGARCH模型01GARCH-M模型02TGARCH模型03EGARCH模型04第二节扩展模型

一、IGARCH模型

实证结果表明：大多数日或周收益率通常呈现出很强的波动持续性，这体现在GARCH模型中参数与之和非常接近1.在这种条件下，条件方差函数具有单位根和单整性，于是，人们把符合这种特征的GARCH模型称为单整GARCH（IGARCH）模型。

二、GARCH-M模型(1987)

TGARCH模型(Zakoian,1990)

EGARCH模型(Nelson,1991)

01PortmanteaQ检验02拉格朗日乘子（LM）检验03案例分析第三节异方差检验

01假设条件02检验统计量03检验结果拒绝原假设接受原假设一、PortmanteaQ检验

假设条件检验统计量检验结果拒绝原假设接受原假设二、拉格朗日乘子（LM）检验

以日圆兑美元汇率为例，介绍如何用Eviews进行ARCH建模分析。以每个交易日上证指数收盘价为样本上证收益率波动性研究上证收益率非对称性研究三、案例分析