現(xiàn)代金融研究專題ppt-garch模型-免費(fèi)閱讀
【正文】 [e,s,y] = garchsim(spec,1000)。,39。 通過回歸得到 GARCH參數(shù)，以及根據(jù) t時(shí)刻的殘差和方差來預(yù)測 t+1時(shí)刻條件方差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，似然函數(shù)就是同時(shí)發(fā)生的概率。39 GARCH的參數(shù)約束167。132 IncludedSquares Date:因此，首先由均值方程得到殘差，然后對其取平方，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)。167。只有平穩(wěn)的隨機(jī)過程，其數(shù)字特征才是可測的?；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)性問題！24隨機(jī)過程的平穩(wěn)性167。在本例中，也就是 y對 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。 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。 自回歸： 殘差平方服從 AR(p)過程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?，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。 對深市 ~ ，峰度是 。 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。167?；貧w與條件均值15 條件矩167。 平穩(wěn)性：若隨機(jī)過程的隨機(jī)特征（如均值，方差）不隨時(shí)間發(fā)生變化，則稱該過程是平穩(wěn)。26 ARCH（ 1）模型的參數(shù)約束167。 ARCH（ 1）描述金融時(shí)間序列是不夠的， ARCH（P）需要大量的參數(shù)估計(jì)，且要保證所有的參數(shù)均滿足參數(shù)約束是很困難的， 以及保證顯著性是很困難的。如果因變量全部由殘差得到了解釋，這就表明回歸系數(shù)是不顯著的。01/22/07observations: 由 ARCH模型可知167。45167。 注意： t時(shí)刻前，由樣本回歸得到參數(shù)，推斷樣本外的方差167。K39。167。167。C39。 l為對數(shù)似然值， T為樣本數(shù)量， K為參數(shù)的個(gè)數(shù)50中石化：正態(tài) GARCH滯后階數(shù)選擇51GARCH回歸后的殘差檢驗(yàn)524 GARCH方差預(yù)測167。 由于時(shí)間序列 y抽樣的時(shí)候是獨(dú)立，則對于所有的
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1