ARCH模型是什么?原理、操作与案例.docxVIP

  • 0
  • 0
  • 约5.66千字
  • 约 13页
  • 2026-11-19 发布于北京
  • 举报

ARCH模型是什么?原理、操作与案例

案例数据下载:/data/arch_sample.csv

方法简介

ARCH模型(AutoregressiveConditionalHeteroskedasticity,自回归条件异方差)由Engle于1982年提出,用来刻画时间序列方差的时变性。金融收益率常表现出“波动聚集”:大幅涨跌之后往往跟着大幅波动,平静期之后又趋于平静,方差并非恒定。ARCH模型把条件方差写成上一期残差平方的函数,最简单的ARCH(1)为σ2t=ω+α1ε2t?1,其中εt?1是上一期均值方程的残差,α1衡量冲击对本期波动的放大程度。

建模前要先确认序列确实存在ARCH效应。常用Engle的Lagrange乘数检验(ARCH-LM),原假设是方差恒定;拒绝原假设才有必要建立ARCH族模型。拟合完成后,还要对标准化残差再检验一次,确认波动结构已被吸收干净。SPSSAU的ARCH模型输出参数设置、拟合前后的ARCH效应检验、模型参数、模型信息、条件波动率序列与向后预测,并配条件波动率图和波动率预测图。

准备一条平稳的收益率或差分序列,例如日收益率、周收益率、对数收益率。价格、指数等水平值本身非平稳,不能直接用于波动率建模。

先做ARCH效应检验。检验显著,说明波动聚集存在,可以继续建模;检验不显著,说明

文档评论(0)

1亿VIP精品文档

相关文档