現(xiàn)代金融研究專題ppt-garch模型-全文預(yù)覽
【正文】 相關(guān)的，也就是波動(dòng)自回歸的?；貧w與條件均值15 條件矩167。 對(duì)于時(shí)間序列 x的每個(gè)值都存在一個(gè)時(shí)間序列 y的條件分布167。167。167。 若線性回歸模型的誤差實(shí)際上是異方差，卻被假定為同方差，這就意味著標(biāo)準(zhǔn)誤差的估計(jì)值是錯(cuò)誤的。 尋找其他分布形式來(lái)描述，主要有 t分布， GED分布和gh分布45672 ARCH模型167。 對(duì)深市 ~ ，峰度是 。 以上的這些特點(diǎn)，傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)的線性回歸模型是無(wú)法解決的?，F(xiàn)代金融研究專題GARCH模型1金融時(shí)間序列的特點(diǎn)167。 正負(fù)沖擊的非對(duì)稱性：好消息和壞消息對(duì)投資者的影響167。 實(shí)證結(jié)果表明：金融資產(chǎn)的回報(bào)率并不完全滿足正態(tài)分布216。 條件分布： ARCH和 GARCH216。 自回歸： 殘差平方服從 AR(p)過(guò)程167。 普通最小二乘估計(jì)（ OSL）：回歸直線要使得殘差平方和最小。 回歸結(jié)果：使得殘差平方和最小，故產(chǎn)生一個(gè)后果，只要方差大的那部分?jǐn)?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(jì)量的方差不再是最小的方差。 條件均值216。在本例中，也就是 y對(duì) x的回歸條件均值是 x的函數(shù)，若 X是一個(gè)分布，則條件均值也是一個(gè)分布。 條件方差17回歸與無(wú)條件方差ESS誤差平方和， RSS回歸平方和， TSS總偏差平方和18無(wú)條件方差由此得到方差分解公式：19167?；貞洠簵l件期望值等價(jià)于回歸Chou， Korner（ 1992） 22正態(tài) ARCH（ q）或者或者23 ARCH（ 1）模型的參數(shù)約束在這里我們還要考察殘差序列的平穩(wěn)性問(wèn)題！24隨機(jī)過(guò)程的平穩(wěn)性167。167。只有平穩(wěn)的隨機(jī)過(guò)程，其數(shù)字特征才是可測(cè)的。 參看均值方程的情形，若假設(shè)某資產(chǎn)的回報(bào)率滿足167。167。33 ARCH效應(yīng)檢驗(yàn)167。因此，首先由均值方程得到殘差，然后對(duì)其取平方，最后判定上述的各個(gè)參數(shù)是否顯著不為零35因此，一個(gè)聯(lián)合的零假設(shè)檢驗(yàn)，其所有 q階殘差平方的系數(shù)不能顯著地異于零，因此，可以采用 F統(tǒng)計(jì)量進(jìn)行參數(shù)的聯(lián)合檢驗(yàn)。Equation: DependentSquares Date:Time:132 Includedadjustments Variable Coefficient Std.39 GARCH的參數(shù)約束167。 則在 GARCH模型中峰度 K42 正態(tài) GARCH極大似然估計(jì)167。同樣在從時(shí)間序列抽取的樣本中，這些樣本既然被抽取了，便表示他們同時(shí)發(fā)生了，
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1