第三章条件异方差模型（理论）

3.1波动率的特征

对于金融时间序列，波动率往往具有以下特征：

存在波动率聚集现象。 即波动率在一段时间上高，一段时间上低。

波动率以连续时间变化，很少发生跳跃。

波动率不会发散到无穷，波动率往往是平稳的。

波动率对价格大幅上升和大幅下降的反应是不同的，这个现象为杠杆效应。

3.2模型的结构

假设服从一个简单的时间序列模型，如平稳ARMA(p,q)，则  ，           

                                           

条件异方差模型分为两类：第一类是用确定的函数来刻画的演变（GARCH模型），第二类是用随机方程来描述（随机波动模型）

3.3ARCH模型

首先：

ARCH(m)模型：

是均值为0，方差为1的iid随机变量序列，通常假定其服从标准正态分布或标准化的学生-t分布

3.3.1ARCH模型的性质

均值                （不理解）

方差                （不理解）

四阶距             （不理解）

结论：服从条件高斯的ARCH(1)模型的抖动比高斯白噪声序列更容易产生“异常值”。

3.3.2ARCH模型的缺点

1）ARCH模型假定正的抖动和负的抖动对波动率有相同的影响。

2)略

3)略

4)略

3.3.3ARCH模型的建立

1）对收益率序列建立一个经济计量模型（如ARMA模型），以分离出数据中的任何线性相关成分，并用该模型的残差序列检验ARCH效应。

2）具体确定ARCH模型的阶，并估计参数。

3）仔细检验所拟合的ARCH模型，进行必要的改进。

a）对均值效应建立模型和检验

，是该ARMA模型的残差，通常用序列来检验条件异方差性。

第一种方法：验证的通常Ljung-Box统计量。原假设H0:序列没有相关性，备择假设H1:序列具有相关性。

第二种方法：拉格朗日乘子法，等价于检验线性回归，F检验。

b）阶的确定

的偏自相关函数来确定ARCH的阶。

c）估计

最大似然估计               （看不懂）

d）模型的验证

标准化抖动：            服从标准正太或标准化的学生-t分布的iid随机模型

的Ljung-Box统计量可用来检验均值方程

的Ljung-Box统计量可用来检验波动率方程的有效性

e）预测

3.4GARCH模型

虽然ARCH模型简单，但为了充分刻画收益率的波动率过程，往往需要很多参数。Bollerslev(1986)年提出了一个推广形式，称为广义的ARCH模型（GARCH）。对数收益率序列，设：

                                        ，是均值修正的对数收益率

其中，为均值为0，方差为1的独立同分布（iid）随机变量序列。通常假定其服从标准正态分布或标准化学生-t分布。为条件异方差。则称服从GARCH(m,s)模型。

GARCH模型的阶不太容易确定。

3.5求和GARCH模型

略

3.6GARCH-M模型

略

3.7指数GARCH模型

略

3.8CHARMA模型

略

3.9随机系数自回归模型

参数随时间变化

时间序列{}满足： 

3.10随机波动率模型

随机：参数随时间变化

非线性：参数也是变化

区别：随机是指随机变化，非线性是一种函数关系。