現(xiàn)代金融研究專題ppt-garch模型(已修改)
2025-01-13 02:12 本頁面
【正文】 現(xiàn)代金融研究專題GARCH模型1金融時間序列的特點167。 尖峰厚尾（ Leptokurtosis）：金融回報序列普遍表現(xiàn)出厚尾（ fat tails）和在均值處出現(xiàn)過度的峰度（ excess peakedness）， 偏離正態(tài)分布167。 波動叢集性（ volatility clustering）和波動集中性（ volatility pooling），波動是自相關(guān)的167。 正負沖擊的非對稱性：好消息和壞消息對投資者的影響167。 以上的這些特點，傳統(tǒng)計量經(jīng)濟學的線性回歸模型是無法解決的。216。 回歸的結(jié)果可能是錯誤的23金融時間序列的特點167。 實證結(jié)果表明：金融資產(chǎn)的回報率并不完全滿足正態(tài)分布216。 對深市 ~ ，峰度是 。167。 由于大多數(shù)的金融資產(chǎn)具有明顯的重尾性，可以采用兩種方法進行改進216。 條件分布： ARCH和 GARCH216。 尋找其他分布形式來描述，主要有 t分布， GED分布和gh分布45672 ARCH模型167。 ARCH， autoregressive conditionally heteroscedastic，自回歸條件異方差模型216。 條件： 在時間序列中，給出不同的時點的樣本（對于不同時點的觀測值），得到殘差的方差是不同的，故方差隨時間給出的條件而變化，即 異方差216。 自回歸： 殘差平方服從 AR(p)過程167。 若線性回歸模型的誤差實際上是異方差，卻被假定為同方差，這就意味著標準誤差的估計值是錯誤的。167。 此時，參數(shù)的估計量的方差是有偏估計（或者不收斂，是時變的），統(tǒng)計檢驗和置性區(qū)間就不正確！89167。 普通最小二乘估計（ OSL）：回歸直線要使得殘差平方和最小。167。 異方差存在時，普通最小二乘估計法給誤差方差大的觀測值以較大的權(quán)重，給誤差方差小的觀測值以較小的權(quán)重。167。 回歸結(jié)果：使得殘差平方和最小，故產(chǎn)生一個后果，只要方差大的那部分數(shù)據(jù)得到很好的擬合，這樣普通最小二乘不再是有效的 —— 參數(shù)估計量的方差不再是最小的方差。167。 這樣由 OSL估計得到的參數(shù)估計量的方差是 “偽方差”，無法證明回歸參數(shù)與真實值的關(guān)系。10單指數(shù)模型的偽回歸：中國銀行11單指數(shù)模型的偽回歸：中國銀行12單指數(shù)模型的偽回歸：中國銀行13 條件矩167。 條件均值216。 對于時間序列 x的每個值都存在一個時間序列 y的條件分布167。 理解：條件期望是關(guān)于隨機變量 X的值的函數(shù)，對于 X不同的取值，條件期望也是不同，即E(y|x)為隨機變量。14所謂條件期望值函數(shù)， 也就是因變量對自變量的回歸 。在本例中，也就是 y對 x的回歸條件均值
教學課件相關(guān)推薦
鄂ICP備17016276號-1