时间序列ARCH模型的波动集群性检验.docxVIP

时间序列ARCH模型的波动集群性检验

引言

在金融市场中，投资者常观察到一种典型现象：价格剧烈波动后往往伴随持续的波动，而平稳期后也常保持相对平静——这种“大波动后接大波动、小波动后接小波动”的特征，被称为波动集群性（VolatilityClustering）。它不仅是金融时间序列的核心特征之一，更是资产定价、风险管理和投资决策的重要依据。如何科学检验这一现象？自Engle（1982）提出自回归条件异方差（ARCH）模型以来，该模型因其对波动时变性的强大捕捉能力，成为检验波动集群性的经典工具。本文将围绕“时间序列ARCH模型的波动集群性检验”展开，从概念解析到方法实施，结合理论与实证，系统探讨这一主题的核心逻辑与实践路径。

一、波动集群性的基本概念与现象

（一）波动集群性的定义与表现

波动集群性本质上是时间序列中波动的“记忆性”表现。具体而言，若某一时刻的波动（通常用收益率的方差衡量）较大，后续若干时期的波动往往也倾向于较大；反之，若当前波动较小，后续波动也可能维持在较低水平（Bollerslev，1986）。这种现象并非随机分布，而是呈现出显著的时间依赖性，反映了市场信息冲击的持续性——例如，重大政策发布或突发事件会引发市场剧烈反应，而信息的逐步消化过程会导致波动在后续一段时间内延续。

从直观表现看，波动集群性可通过绘制金融资产收益率的时间序列图观察。以某股票指数收益率为例，图