单变量和多变量财务预警模型_一些常见的多元波动率模型

  自从Engle(1982)提出ARCH模型以后，学者对于波动率的建模研究如雨后春笋一样。对于单变量波动率建模的研究目前已经相当成熟。Bollerslev(1986)将ARCH模型推广到GARCH模型，许多学者在GARCH模型的基础上提出了多种形式的波动率模型。归纳起来大致有以下2个方面：第一、将扰动项的分布设置为更加符合现实金融市场中股票收益率特征的分布；比如金融市场收益率往往具有尖峰厚尾的特征，因此可以将扰动项的分布设置为能刻画这种尖峰厚尾性质的分布，如学生t分布等；为了刻画收益率分布的有偏特性，还可以将扰动项的分布设置为偏斜学生t分布。当然这种扩展只是在扰动项的分布上做了些改进，对于GARCH模型的结构形式并没有影响。第二、在GARCH模型的基础上，在波动率方程中，引进一些其他形式的变量或者改变方程中某些变量的形式，从而提出非对称以及非线性GARCH模型；在金融市场中，人们发现，利好的消息与坏的消息对于股票收益率的波动性影响往往是非对称的，仍然基于以前的GARCH模型建模很难准确地刻画波动率的特征，因此学者们对GARCH模型波动率方程形式做一些改变，从而提出了非对称或者非线性的GARCH模型。如Schwert(1990)的AGARCH模型、Nelson(1991)的EGARCH模型、Higgins和Bera(1992)的NARCH模型、Ding等(1993)的APGARCH模型、Glosten,Jagannathan, and Runkle (1993)的GJR-GARCH模型、Zakoian (1994)的TGARCH模型等等。

  可以看到，单变量的GARCH模型成果已经相当丰富，对于多变量GARCH模型的研究却并不像单变量那样，原因之一在于多变量GARCH模型更加复杂，像如何保证方差协方差矩阵的正定性问题，如何有效地估计多变量GARCH模型的参数问题等等。然而多变量GARCH模型在现实中还是有着重要的作用。

  对于多变量GARCH模型，最初是由Kraft和Engle(1982)以及Bollerslev,Chou和Kroner(1992)提出，即Vech GARCH模型。该模型沿用单变量GARCH模型的思想，将方差协方差矩阵中的每一个元素作为误差项滞后的元素交叉乘积以及它本身滞后的元素的线性函数。以2个变量，且滞后阶数为1为例，2变量Vech GARCH(1,1)模型形式如下：

  从以上模型我们不难发现该模型有以下优点：首先，该模型的设定较为灵活，充分考虑了各个元素的对方差协方差矩阵的影响，在一定程度上减少了模型的设定误差；其次，对于该模型，我们可以很好地分析变量之间波动率溢出效应以及各个元素对于方差协方差矩阵的影响情况。然而对于该模型不得不提的缺点是：第一，该模型存在大量的待估参数，我们可以看到，对于2变量滞后1阶的情况下，需要估计的参数已经达到了21个。如果对于n个变量，分别滞后p，q阶，那么待估参数将达到[n(n+1)/2][1+(p+q)n(n+1)/2]个。因此为了有效地估计参数，则需要大量的样本，然而有些金融市场中的样本量并不足够。第二，该模型的另一个缺点在于方差协方差矩阵的正定性难以保证，这也使得该模型在现实中很少使用。

针对于Vech GARCH模型的第一个缺点，为了减少待估参数，Bollerslev, Engle和Wooldridge(1988)提出了对角Vech GARCH，仍以2个变量，且滞后阶数为1为例，该模型为

其中。

从以上模型可以明显的看出，待估参数大大的减少，对于以上模型，待估参数的个数仅仅为9个，但这牺牲了模型设定误差。对于n个变量，分别滞后p，q阶，待估参数个数为[n(n+1)/2](p+q+1)个。

针对于Vech GARCH模型的第二个缺点，Engle和Kroner (1995)提出了BEKK GARCH模型。仍以2个变量，且滞后阶数为1为例，该模型为

  对于BEKK模型来说，它的优点在于能容易地施加约束条件从而保证方差协方差矩阵的正定性。然而它也有一些缺点，首先待估参数的个数仍然比较多，为了有效的估计参数，仍然需要大量的样本；其次参数的含义不明确，不能直观的分析哪个解释变量对被结束变量的影响。如果需要分析变量之间的影响关系，需要将矩阵写成方程的形式，即将矩阵之间的乘积化简，在变量比较多的情况下，也有一定的难度。

  为了克服这种变量比较多的情况下估计方差协方差矩阵的困难，有学者开始寻求其他方法。比如Bollerselev(1990)认为方差、协方差与相关系数有一定的关系，如果能估计出时变的方差，那么利用方差、协方差以及相关系数的关系可以得到时变的协方差，因此Bollerselev(1990)提出了常相关系数模型(CCC-GARCH)。该模型的优点之一在于如果条件方差都是正值并且相关系数为正定的，那么方差协方差矩阵也将是正定的。该方法的提出对于估计方差协方差矩阵有了极大的便利。然而，相关系数在金融市场中往往具有时变性，因此Engle和Sheppard(2001)以及Tse和Tsui(2002)分别提出了动态条件相关系数模型(DCC-GARCH)，即假定相关系数是随时间发生改变的，然后再利用时变的方差以及时变的相关系数得到时变的协方差。Engle和Sheppard(2001)的模型如下：

其中，Rt是时变相关系数，Qt是ut的方差协方差矩阵，ut是标准化的残差序列。

Tse和Tsui(2002) 的模型如下：

其中，Rt是时变相关系数， ，

        对比两个时变相关系数模型可以发现，尽管它们都是时变相关系数，但思想却不同。Engle和Sheppard(2001)的模型借助于GARCH形式的思想，而Engle和Sheppard(2001)是借助于ARMA形式的思想。分析Engle和Sheppard(2001)的模型可以发现该模型的一个缺点，即时变相关系数仅仅有两个参数驱动。而Tse和Tsui(2002)的模型的一个关键点在于对的估计。