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。