GARCH族模型在波动率预测中的实证对比.docxVIP

GARCH族模型在波动率预测中的实证对比

一、引言

波动率作为金融资产价格不确定性的核心度量指标，是风险管理、衍生品定价、动态资产配置等金融实践活动的核心输入变量，其预测精度直接关系到金融决策的有效性与市场风险防控的实际效果。长期以来，学界和业界始终在探索更准确的波动率预测方法，早期的波动率测算多基于历史波动率的简单移动平均，假设波动率在一段时间内保持稳定，无法解释金融市场普遍存在的波动率聚集、收益分布厚尾、正负冲击非对称影响等典型特征。自Engle提出ARCH模型用于捕捉金融时间序列的条件异方差特征之后（Engle，1982），在此基础上拓展形成的GARCH族模型逐渐成为波动率预测领域的主流方法，历经数十年的发展已经形成了包含数十种细分模型的庞大模型体系，不同模型从不同的市场特征出发，对基准模型的假设进行放松和拓展，理论上各有优势。但从全球范围内的实证研究结果来看，并不存在一个适用于所有场景的绝对最优模型，不同模型在不同市场、不同周期、不同资产上的预测表现存在显著差异，对各类模型的预测效果进行系统性的实证对比，厘清不同模型的适用场景与优劣势，对于提升波动率预测的实际应用效果具有重要的理论与现实意义。本文将从GARCH族模型的理论演进脉络出发，在统一的实证研究框架下，从常规市场表现、极端行情稳健性、资产适配性等多个维度对主流GARCH族模型的预测效果进行梳理对比，总结模型选择的核心