波动率预测：GARCH族模型与已实现波动率的比较.docxVIP

波动率预测：GARCH族模型与已实现波动率的比较

一、引言

波动率作为金融市场的核心指标之一，不仅是资产定价、风险管理、投资组合优化等领域的关键输入变量，更能直观反映市场的不确定性与情绪波动。准确的波动率预测能够帮助投资者规避风险、制定合理的交易策略，也为监管部门维护市场稳定提供决策依据。在波动率预测的众多方法中，GARCH族模型与已实现波动率是两类应用最为广泛的主流技术：前者依托传统时间序列分析框架，通过构建参数化模型捕捉波动率的聚类性与持续性；后者则借助高频交易数据，以非参数化的方式直接度量实际波动水平。两类方法在理论基础、数据需求、预测性能等方面存在显著差异，对其进行系统比较与分析，不仅有助于深化对波动率生成机制的理解，更能为实践中选择合适的预测方法提供科学依据（Engle,2004）。

二、GARCH族模型：参数化框架下的波动率预测

（一）GARCH族模型的起源与核心逻辑

波动率预测的参数化方法最早可追溯到Engle提出的自回归条件异方差模型（ARCH），该模型首次将波动率视为随时间变化的变量，并通过过去的收益率平方项来捕捉波动率的聚类特征（Engle,1982）。然而，ARCH模型在处理长期波动率持续性时需要引入大量滞后项，导致参数估计难度增大且易出现过度拟合。在此基础上，Bollerslev对ARCH模型进行扩展，提出广义自回归条件异方差模型（GARCH），引入了过