GARCH族模型在波动率预测中的比较研究.docxVIP

GARCH族模型在波动率预测中的比较研究

一、引言

金融市场的波动率是衡量风险的核心指标，其准确预测对资产定价、投资组合优化及风险管理至关重要。早期研究多采用移动平均法或历史波动率法，但这类方法无法捕捉金融时间序列中“波动聚类”（VolatilityClustering）现象——即大幅波动后常伴随大幅波动，小幅波动后伴随小幅波动的特性（Mandelbrot，1963）。1982年，Engle提出的ARCH（自回归条件异方差）模型首次为波动率动态建模提供了框架，随后Bollerslev（1986）扩展的GARCH（广义自回归条件异方差）模型进一步提升了对长期波动的拟合能力，开启了GARCH族模型的发展序幕。

经过数十年演进，GARCH族模型已形成包含EGARCH、TGARCH、GARCH-M等多种变体的庞大体系。不同模型在假设条件、参数设置及对市场特征的捕捉能力上存在显著差异，这使得“如何选择最适配的模型”成为实务与学术研究的关键问题。本文将系统梳理GARCH族模型的发展脉络，比较其核心特征，并结合不同市场环境下的实证结果，探讨各模型的适用场景，为波动率预测提供理论与实践参考。

二、GARCH族模型的发展脉络与理论基础

（一）从ARCH到GARCH：基础模型的突破

ARCH模型的核心思想是通过过去误差项的平方来刻画当前波动率，其数学形式可理解为“当前波动率是过去若干期波动率的线性组