GARCH模型对金融时间序列波动率的拟合效果.docxVIP

GARCH模型对金融时间序列波动率的拟合效果

一、引言

金融市场的核心特征之一是价格波动的不确定性，这种不确定性不仅影响投资者的决策，更是风险管理、资产定价和政策制定的关键输入变量。自20世纪70年代有效市场假说提出以来，金融时间序列的波动率研究逐渐从“随机游走”的简单假设转向对波动集群性、非对称性等复杂特征的捕捉（Fama，1970）。传统的波动率测算方法如历史波动率法、移动平均法等，因无法刻画波动率的时变性和记忆性，在实际应用中逐渐显现出局限性。

1982年，Engle提出的ARCH（自回归条件异方差）模型首次将波动率建模为过去误差平方的函数，开启了条件异方差模型研究的先河；1986年，Bollerslev在ARCH模型基础上提出GARCH（广义自回归条件异方差）模型，通过引入滞后波动率项，显著提升了模型对长期波动的捕捉能力（Bollerslev，1986）。此后，GARCH模型及其扩展形式逐渐成为金融时间序列波动率研究的主流工具。本文将围绕GARCH模型的理论基础、拟合优势、实证表现及影响因素展开分析，系统探讨其对金融时间序列波动率的拟合效果。

二、GARCH模型的理论演进与核心逻辑

（一）从ARCH到GARCH的模型发展

早期的金融时间序列分析假设波动率是常数，这与现实中“大涨之后常伴随大涨，大跌之后常伴随大跌”的波动集群现象（VolatilityClustering）明