条件方差模型
一般条件方差模型定义
考虑时间序列
在哪里 .在这里,zt是一组独立且同分布的标准化随机变量。计量经济学工具箱™支持标准化的高斯和标准化的学生t创新分布。常数项, ,为平均偏移量。
一个条件方差模型指定创新方差的动态演变,
在哪里Ht1是历史的过程。历史包括:
过去的方差,
过去的创新,
条件方差模型适用于时间序列不表现出显著的自相关,但有序列依赖性。创新系列 是不相关的,因为:
E(εt) = 0。
E(εtε张茵) = 0t而且
然而,如果 取决于 例如,那么εt取决于εt - 1,即使它们不相关。这种依赖在平方创新序列中表现为自相关,
提示
对于既自相关又序列相关的时间序列建模,可以考虑使用复合条件均值和方差模型。
条件方差模型处理的金融时间序列的两个特征是:
波动聚类.波动率是时间序列的条件标准差。条件方差过程中的自相关导致波动率聚类。GARCH模型及其变体在方差序列中模拟自回归。
杠杆效应.某些时间序列的波动性对大幅下降的反应大于对大幅增加的反应。这种不对称的聚类行为被称为杠杆效应。EGARCH和GJR模型有杠杆术语来模拟这种不对称。
GARCH模型
的广义自回归条件异方差GARCH模型是对Engle的方差异方差ARCH模型的扩展<一个href="//www.ru-cchi.com/es/es/es/help/econ/what-is-a-conditional-variance-model.html" class="intrnllnk">[1].如果一个系列表现出波动率聚类,这表明过去的方差可能是当前方差的预测。
GARCH (P,问)模型是条件方差的自回归移动平均模型,具有P与滞后方差相关的GARCH系数问ARCH系数与滞后平方创新相关。GARCH的形式(P,问)模型在计量经济学工具箱
在哪里 而且
请注意
的常数
的属性garch
模型对应于κ,以及抵消
属性对应于μ.
对于平稳性和正性,GARCH模型有以下约束条件:
要指定恩格尔的原始ARCH(问)模型时,使用等效的GARCH(0,问)规范。
EGARCH模型
指数GARCH (EGARCH)模型是GARCH的一个变体,它对条件方差过程的对数建模。除了对数建模外,EGARCH模型还有额外的杠杆项来捕捉波动率聚类中的不对称性。
EGARCH (P,问)模型有P与滞后对数方差项相关的GARCH系数,问ARCH系数与落后的标准化创新的规模相关问利用与已签名、滞后的标准化创新相关的系数。EGARCH的形式(P,问)模型在计量经济学工具箱
在哪里 而且
请注意
的常数
的属性egarch
模型对应于κ,以及抵消
属性对应于μ.
EGARCH方程中与ARCH系数相关的期望值项的形式取决于的分布zt:
如果创新分布为高斯分布,则
如果创新分布是Student的t与ν那么是2个自由度
工具箱处理EGARCH(P,问的ARMA模型 因此,为保证平稳性,GARCH系数多项式的所有根, ,必须在单位圆外。
EGARCH模型不同于GARCH和GJR模型,因为它对方差的对数进行了建模。通过对对数建模,放宽了模型参数的正约束。然而,EGARCH模型对条件方差的预测是有偏见的,因为根据詹森不等式,
EGARCH(1,1)规范对于大多数应用程序来说已经足够复杂了。对于EGARCH(1,1)模型,GARCH和ARCH系数预期为正,杠杆系数预期为负;未预料到的大幅下行冲击应该会增加方差。如果你得到的信号与预期相反,你可能会在推断波动序列和预测时遇到困难(ARCH系数为负可能尤其成问题)。在这种情况下,EGARCH模型可能不是应用程序的最佳选择。
GJR模型
GJR模型是GARCH的一个变体,它包含了用于非对称波动率聚类建模的杠杆术语。在GJR公式中,较大的负面变化比正面变化更有可能聚集在一起。GJR模型以Glosten、Jagannathan和Runkle命名<一个href="//www.ru-cchi.com/es/es/es/help/econ/what-is-a-conditional-variance-model.html" class="intrnllnk">[2].GJR模型与阈值GARCH (TGARCH)模型之间存在着密切的相似性——GJR模型是方差过程的递归方程,而TGARCH是应用于标准差过程的相同递归。
GJR (P,问)模型有P与滞后方差相关的GARCH系数,问与滞后平方创新相关的ARCH系数,以及问与负滞后创新平方相关的杠杆系数。GJR的形式(P,问)模型在计量经济学工具箱
在哪里 而且
指标功能 = 1,如果 ,否则为0。因此,杠杆系数应用于消极创新,给予消极变化额外的权重。
请注意
的常数
的属性gjr
模型对应于κ,以及抵消
属性对应于μ.
对于平稳性和正性,GJR模型存在以下约束条件:
GARCH模型嵌套在GJR模型中。如果所有杠杆系数都为零,则GJR模型简化为GARCH模型。这意味着您可以使用似然比检验对GARCH模型和GJR模型进行测试。
参考文献
[1]罗伯特·恩格尔,《英国通货膨胀方差估计的自回归条件异方差性》。费雪.第50卷,1982,第987-1007页。
[2]格洛斯顿,L. R.贾格纳森,D. E.朗克尔。“论股票名义超额收益的期望值与波动率的关系。”金融杂志.第48卷,第5期,1993年,1779-1801页。