- 0
- 0
- 约7.55千字
- 约 14页
- 2026-11-19 发布于上海
- 举报
时间序列分析中的GARCH族模型比较
一、引言
时间序列分析是计量经济学与统计学领域的重要分支,广泛应用于金融、宏观经济、能源、气象等多个领域,其中波动率的刻画与预测是时间序列分析的核心任务之一。尤其是在金融领域,波动率是资产定价、风险管理、投资组合构建的关键参考指标,其准确性直接影响决策的科学性。传统时间序列模型大多基于同方差假设,即认为序列的波动幅度不随时间变化保持恒定,但大量实证研究表明,金融资产收益率等时间序列存在明显的波动率聚集、尖峰厚尾、非对称冲击等特征,同方差假设无法解释这些现象,导致模型的拟合与预测效果大打折扣。
为解决这一问题,学界逐步发展出以条件异方差为核心的建模框架,从最早的自回归条件异方差模型,到后续的广义自回归条件异方差模型(即GARCH模型),再到各类扩展模型,逐渐形成了庞大的GARCH族模型体系。不同GARCH族模型的假设前提、结构特征与适用场景存在显著差异,盲目选择模型可能导致估计偏差甚至错误结论。因此,系统梳理GARCH族模型的发展脉络,多维度比较不同模型的特征差异与适用边界,对于提升时间序列分析的准确性和实用性具有重要的理论与实践价值。
二、GARCH族模型的发展脉络与核心建模逻辑
要系统理解GARCH族模型的差异,首先需要厘清其发展脉络与核心建模逻辑,明确不同模型扩展的起点与动因。
(一)传统时间序列模型的局限与ARCH模型的起源
传统时间序列
原创力文档

文档评论(0)