波动率预测模型的比较：GARCH族vs随机波动率模型.docxVIP

波动率预测模型的比较：GARCH族vs随机波动率模型

一、引言：波动率预测在金融风险管理中的核心地位

（一）波动率的金融意义与预测需求

波动率作为衡量金融资产价格波动程度的核心指标，是金融风险管理、资产定价、投资组合优化及衍生品交易的基础。准确的波动率预测能够帮助投资者识别市场风险、调整资产配置比例，也能为金融机构的风险资本计提、衍生品定价提供可靠依据。在有效市场假说框架下，资产收益率的波动并非完全随机，而是存在聚类性、非对称性等特征——即高波动时期往往伴随高波动，低波动时期持续低波动，且负收益冲击引发的波动率上升幅度通常大于正收益冲击（PoonandGranger，2003）。这些特征使得传统的同方差模型无法满足波动率预测需求，催生了一系列异方差波动率预测模型。

（二）两类主流波动率预测模型的兴起

20世纪80年代以来，两类模型逐渐成为波动率预测领域的主流：一类是由恩格尔（Engle）开创的自回归条件异方差（ARCH）模型及其扩展的GARCH族模型，另一类是由泰勒（Taylor）提出的随机波动率（SV）模型。GARCH族模型凭借其简洁的设定、易实现的估计方法，迅速成为金融机构和研究者的首选工具；而SV模型则从波动率的本质属性出发，将其视为不可直接观测的随机过程，更贴近真实市场中波动率的动态特征。两类模型在理论基础、估计方法及预测性能上存在显著差异，对其进行系统比较有助于研究者