arch模型介绍

《arch模型介绍》由会员分享，可在线阅读，更多相关《arch模型介绍（12页珍藏版）》请在金锄头文库上搜索。

1、ARCH 模型介绍,ARCH模型背景,1,介绍ARCH模型,2,3,HS300的ARCH现象检验,4,介绍ARCH效应,ARCH模型背景,资本市场收益率数据特点： 1.存在波动率聚集性 2.波动率以连续时间变化，即波动率跳跃很少见的 3.波动率不会发散到无穷，也就是说波动率往往是平稳 4.波动率对价格大幅上升和下降的反应不同，所谓的杠杆效应 为更好的描述、捕捉和预测波动率，针对资本市场，Engle（1982）提出了自回归条件异方差模型（ARCH），针对波动的性质，另一些学者提出了GARCH、CHARMA、EGARCH等模型。,ARCH模型背景,HS300收益率图 上证指数收益率图,ARCH模型

2、介绍,基本思想： 1.资产收益率的扰动 是序列不相关的，但是不独立。 的不独立性可以用其延迟的简单二次函数来表示。 ARCH（m）模型假定如下： 其中 是均值为0，方差为1的独立同分布随机变量序列。对 通常假定服从标准正态分布、t分布。,ARCH模型效应,从上述模型结构上看，过去大的平方“扰动” 会导致 的大的条件方差 。从而 有取较大的值的倾向，也就是在资产收益率中所观察到的“波动率聚集性”，所谓的ARCH效应，条件异方差 的序列相关性。,建模过程,1.通过检验数据的序列相关性建立一个均值方程，如果必要，对收益率建立一个计量经济模型来消除线性依赖。 2.对均值方程的残差进行ARCH效应检验。

3、 3.如果ARCH效应在统计上是显著的，则指定一个波率模型，并对均值和波动率进行联合估计。 4.仔细地检验所拟合的模型，如有必要则对其进行改进。,HS300的ARCH效应检验,基本统计量： 1.观察统计变量Kurtosis=5.213，收益率分布呈现超峰（也就是厚尾性）。 2.J-B统计量P值为0，收益率分布不服从正态分布。,HS300的ARCH效应检验,稳定性检验，通过建立简单的AR（1）方程： 通过Dickey-Fuller检验，ADF=-28.91，P-value=0，拒绝 为1的原假设，收益率为平稳时间序列。,HS300的ARCH效应检验,HS300收益率ARMA（p，q）模型的AIC值 当p=q=3时，AIC值最小，通过建立时间序列模型ARMA（3，3）消除线性依赖性。,HS300的ARCH效应检验,建立GARCH（1，1）模型,通过使用准极大似然估计方法进行GARCH（1，1）模型估计，同时逐步剔除均值方程中不显著参数后，建立ARMA（1，1），结果如下：,