加密货币波动率的GARCH族模型比较.docxVIP

加密货币波动率的GARCH族模型比较

一、引言

随着数字经济的快速发展，加密货币从最初的小众数字实验产品，逐渐成为全球范围内受到广泛关注的另类资产，市场规模、参与群体与影响力持续提升。与传统金融资产相比，加密货币缺乏实体基本面支撑、交易机制全天候不间断、散户参与占比偏高、受政策与情绪影响极大，因此呈现出远超传统资产的高波动特征。有权威研究测算，主流加密货币的年化波动率水平是黄金的五到八倍，是主流股票指数的四到六倍，极端行情下单日涨跌幅超过两成的情况屡见不鲜，远高于传统大类资产的正常波动区间（Urquhart，2017）。波动率作为金融资产风险定价、组合管理、风险防控的核心指标，能否对其实现准确刻画，直接关系到投资者的风险管理有效性、衍生品定价合理性以及监管层的风险监测精准度。

传统的静态波动率度量方法如历史标准差等，无法捕捉金融时间序列普遍存在的波动聚集特征，即大波动之后往往跟随持续的大波动、小波动之后伴随持续的小波动。自回归条件异方差（ARCH）模型提出后，经学者扩展形成了广义自回归条件异方差（GARCH）族模型体系，逐渐成为全球金融市场波动率建模的主流工具。但需要注意的是，加密货币的市场微观结构与传统股票、大宗商品、外汇等资产存在本质差异，适配传统资产的模型结论无法直接套用至加密货币场景。近年来学界围绕加密货币波动率开展了大量GARCH类模型应用研究，但不同文献得出的“最优模型