Threshold Realized GARCH-It(o)模型及其在波动率预测中的应用.pdfVIP

摘要

资产波动率作为金融风险量化的核心工具，一直是金融计量领域的研究热

点。在现代金融市场中，资产波动率衡量的是资产分散程度，以及资产价格变

动幅度和趋势。然而，资产波动率的特点之一是它无法直接观测到，需要通过

有效的模型来估计和预测。传统方法主要采用低频尺度数据进行建模，例如日、

周、月甚至年的数据。

在早期的低频资产波动率含参模型研究中，Engle（1982）提出了自回归条

件异方差模型（ARCH），通过引入非恒定条件方差的随机过程，极大地丰富了

波动率模型对现实波动率的建模和解释能力。Bollerslev（1986）在ARCH模型

基础上提出GARCH模型，通过添加滞后条件方差项扩展了模型的适用范围。

Nelson（1991）提出TGARCH模型，改进了波动率与条件方差关系，以更好地

适应市场实际情况。Ding等（1993）引入了非对称幂运算，提出了非对称幂广

义自回归条件异方差模型（APGARCH）。Glosten（1993）改进了GARCH模型

为GJR–GARCH，考虑了正负回报对条件波动的不对称影