一般的GARCH模型可以表示为:其中ht为条件方差,ut为独立同分布的随机变量,ht与ut互相独立,ut为标准正态分布。(1)式称为条件均值方程;(3)式称为条件方差方程,说明时间序列条件方差的变化特征。为了适应收益率序列经验分布的尖峰厚尾特征,也可假设 服从其他分布,如Bollerslev (1987)假设收益率服从广义t-分布,Nelson(1991)提出的EGARCH模型采用了GED分布等。另外,许多实证研究表明收益率分布不但存在尖峰厚尾特性,而且收益率残差对收益率的影响还存在非对称性。当市场受到负冲击时,股价下跌,收益率的条件方差扩大,导致股价和收益率的波动性更大;反之,股价上升时,波动性减小。股价下跌导致公司的股票价值下降,如果假设公司债务不变,则公司的财务杠杆上升,持有股票的风险提高。因此负冲击对条件方差的这种影响又被称作杠杆效应。由于GARCH模型中,正的和负的冲击对条件方差的影响是对称的,因此GARCH模型不能刻画收益率条件方差波动的非对称性。
1、ARCH模型(Autoregressive conditional heteroskedasticity model)全称“自回归条件异方差模型”,解决了传统的计量经济学对时间序列变量的第二个假设(方差恒定)所引起的问题。
2、GARCH模型称为广义ARCH模型,是ARCH模型的拓展,由Bollerslev(1986)发展起来的。
(1)GARCH模型(波勒斯勒夫(Bollerslev),1986年)。GARCH(p,q)模型为:
(2)GARCH-M模型把异方差项引入平均数方程式。一个简单的GARCH-M(1,1)模型可以表示为:
扩展资料:
GARCH的发展:
传统的计量经济学对时间序列变量的第二个假设:假定时间序列变量的波动幅度(方差)是固定的,不符合实际,比如,人们早就发现股票收益的波动幅度是随时间而变化的,并非常数。这使得传统的时间序列分析对实际问题并不有效。
罗伯特·恩格尔在1982年发表在《计量经济学》杂志(Econometrica)的一篇论文中提出了ARCH模型解决了时间序列的波动性(volatility)问题,当时他研究的是英国通货膨胀率的波动性。
参考资料来源:百度百科-GARCH模型
参考资料来源:百度百科-ARCH模型
GARCH模型是一个专门针对金融数据所量体订做的回归模型,除去和普通回归模型相同的之处,GARCH对误差的方差进行了进一步的建模。
特别适用于波动性的分析和预测,这样的分析对投资者的决策能起到非常重要的指导性作用,其意义很多时候超过了对数值本身的分析和预测。
GARCH模型的定义:
ARCH模型的实质是使用残差平方序列的q阶移动平移拟合当期异方差函数值,由于移动平均模型具有自相关系数q阶截尾性,所以ARCH模型实际上只适用于异方差函数短期自相关系数。
但是在实践中,有些残差序列的异方差函数是具有长期自关性,这时使用ARCH模型拟合异方差函数,将会产生很高的移动平均阶数,增加参数估计的难度并最终影响ARCH模型的拟合精度。
为了修正个问题,提出了广义自回归条件异方差模型, 这个模型简记为GARCH(p,q).
GARCH模型实际上就是在ARCH的基础上,增加考虑异方差函数的p阶自回归性而形成,它可以有效的拟合具有长期记忆性的异方差函数。ARCH模型是GARCH模型的一个特例,p=0的GARCH(p,q)模型。
如果题主明白ARCH或者GARCH模型是咋回事的话,那么MGARCH模型就是多变量形式,BEKK思想就是让所有的参数都以二次型的形式放进模型来确保所有的方差都是正的。这个主要是用来做波动性溢出效应。顾名思义,就是看变量的波动(variance)之间是否存在相关性。
相关介绍:
ARCH模型(Autoregressive conditional heteroskedasticity model)全称“自回归条件异方差模型”,解决了传统的计量经济学对时间序列变量的第二个假设(方差恒定)所引起的问题。这个模型是获得2003年诺贝尔经济学奖的计量经济学成果之一。
传统的计量经济学对时间序列变量的第二个假设:假定时间序列变量的波动幅度(方差)是固定的,不符合实际,比如,人们早就发现股票收益的波动幅度是随时间而变化的,并非常数。这使得传统的时间序列分析对实际问题并不有效。
罗伯特·恩格尔在1982年发表在《计量经济学》杂志(Econometrica)的一篇论文中提出了ARCH模型解决了时间序列的波动性(volatility)问题,当时他研究的是英国通货膨胀率的波动性。