Lecture06GARCH模型分析与应用.pptxVIP

FinancialEconometrics·VolatilityModelingLecture06GARCH模型分析与应用金融计量学·时间序列波动率建模

Contents讲座目录金融时间序列分析与GARCH模型体系全景概览01金融时间序列异方差特征02ARCH与GARCH模型理论基础03GARCH类模型的扩展体系04GARCH模型实证应用与软件实现

CHAPTER01金融时间序列异方差特征从收益率统计特征出发，理解波动率聚集与条件异方差现象

TIMESERIESANALYSIS金融时间序列的典型统计特征金融收益率序列呈现尖峰厚尾、波动率聚集和杠杆效应三大典型特征，这些特征违背了经典回归模型中同方差的假设，使得传统OLS估计不再有效，必须引入条件异方差模型来刻画波动率的动态变化。01尖峰厚尾：金融收益率峰度值远大于正态分布的3，极端收益事件发生概率高于经典正态假设02波动率聚集：大波动后跟随大波动、小波动后跟随小波动，呈现明显正自相关性03杠杆效应：负面冲击对波动率影响大于同等幅度正面冲击，坏消息引发更大市场波动04OLS失效：异方差条件下OLS虽无偏但不再具有最小方差性，标准误有偏致假设检验失效股票市场K线走势·波动率聚集的实证表现

Heteroscedasticity条件异方差的经济学含义条件异方差指给定历史信息集下，误差项的方差随时间动态变化。这与经