13 GARCH估计日方差率
13.1 简介
广义自回归条件异方差(Generalized Auto-Regressive Conditional Heteroscedasticity, GARCH)模型是由Bollerslev在1986年提出的一种估计市场变量日方差率的模型。对于广义的GARCH(p,q)模型, σ n 2 \sigma_n^2 σn2是由最近的 p p p个 u i 2 u_i^2 ui2观察值,最近的 q q q个日方差率 σ i 2 \sigma_i^2 σi2和一个常数项组成。这里我们只考虑GARCH(1,1)模型,并简记为GARCH,其中日方差率的表示为
σ n 2 = ω + α u n − 1 2 + β σ n − 1 2 , α + β < 1 . \sigma_n^2 = \omega+\alpha u_{n-1}^2+\beta \sigma_{n-1}^2\;, \quad \alpha +\beta < 1\; . σn2=ω+αun−12+βσn−12,α+β<1.
相较于EWMA模型日方差率的更新估计只涉及一个待定参数 λ \lambda λ,GARCH模型中有3个待定参数。将 ω \omega ω表示为 V L ( 1 − α − β ) V_L(1-\alpha-\beta) VL(1−α−β)后,我们可以看到GARCH模型对日方差率的估计实际上是用前一天的 u i 2 u_i^2 ui2, σ i 2 \sigma_i^2 σi2和长期方差 V L V_L VL加上不同权重后求和得出。
考虑我们有市场变量从第0天到第 N N N天每天末的数值为 S 0 , S 1 , . . . , S N S_0, S_1, ..., S_N S0,S1,...,SN,
u n = S n − S n − 1 S n − 1 , u 1 = S 1 − S 0 S 0 , u 0 = 0 . u_n = \frac{S_n-S_{n-1}}{S_{n-1}}, \; \; u_1 = \frac{S_1-S_0}{S_0}, \;u_0 = 0\;. un=Sn−1Sn−Sn−1,u1=S0S1−S0,u0=0.
σ n 2 = ω + α u n − 1 2 + β σ n − 1 2 , σ 2 2 = u 1 2 , σ 1 2 = σ 0 2 = 0 . \sigma_n^2 = \omega +\alpha u_{n-1}^2+\beta\sigma_{n-1}^2, \;\; \sigma_2^2 =u_1^2, \; \sigma_1^2=\sigma_0^2=0\;. σn2=ω+αun−12+