ARCH与GARCH模型

之前我们讨论过AR模型和ARMA模型，这两个模型是对时间序列数据的拟合与预测，此外时间序列模型对波动性的应用也较为广泛。(如:股票波动)。

ARIMA(这是我写的):链接

一、波动率的特征

1. 存在波动率聚集现象，也就是说，波动率在一段时间内都比较高，在另一段时间内都比较低。
2. 波动率是随着时间连续变化的。(一般来说波动率与时间的曲线f(x)是连续的)
3. 波动率不会发散到无穷。
4. 波动率对价格大幅上升和大幅下降的反应不同。这种现象称为杠杆效应。

二、建立模型

建立ARCH模型需要四个步骤:

1. 通过检验数据的序列相关性，建立一个均值模型，如果有必要，对收益率序列建立一个计量经济模型来消除任何的线性依赖。
2. 对均值的残差进行ARCH效应检验
3. 如果ARCH效应在统计上是显著的则指定一个波动率模型，并对均值方程和波动率方程进行联合估计。
4. 仔细地检验所拟合的模型，如有必要则对其进行改进。

三、波动率模型框架

对波动率进行建模的时候，我们需要同时考虑收益率的条件均值和条件方差。给定t-1时刻已知的信息集,的条件均值和条件方差为:

我们假设服从一个简单的时间序列模型，得到的平稳ARMA(p,q)模型如下：