現(xiàn)代金融專題研究(存儲(chǔ)版)
【正文】 聯(lián)合概率密度函數(shù)有 f(y)，等于邊際密度的乘積說(shuō)明：對(duì)于三個(gè)獨(dú)立的事件 A、 B和 c同時(shí)發(fā)生的概率是 A、 B和 C三者概率的乘積。 GARCH模型允許條件方差依賴自身的前期，最簡(jiǎn)單為 GARCH(1,1)類似地， GARCH（ p， q）38GARCH模型的優(yōu)點(diǎn)GARCH模型僅僅包含三個(gè)參數(shù)就可以表達(dá)ARCH存在的無(wú)窮多個(gè)參數(shù)的方程。 C 6LeastProbability Obs*Rsquared （ 2）根據(jù) ARCH模型的定義167。 ARCH（ 1）對(duì)于參數(shù)給出的非常嚴(yán)格的限制，并且隨著 ARCH階數(shù)的增加，其限制將更為復(fù)雜，在實(shí)際的回歸過(guò)程中，可能很難滿足這樣的條件。則若 yt是平穩(wěn)的，則對(duì)于任意的 t， k和 M，都有其聯(lián)合分布滿足回憶：任意的一個(gè)時(shí)間序列 yt都可以被認(rèn)為是由一組聯(lián)合分布的隨機(jī)變量生成，也稱其為 f(y)的一個(gè)實(shí)現(xiàn)。但是 ut的條件方差隨時(shí)間而變化，假設(shè) 服從AR(1)過(guò)程（模型的名稱來(lái)源）21167。14所謂條件期望值函數(shù)， 也就是因變量對(duì)自變量的回歸 。167。 條件： 在時(shí)間序列中，給出不同的時(shí)點(diǎn)的樣本（對(duì)于不同時(shí)點(diǎn)的觀測(cè)值），得到殘差的方差是不同的，故方差隨時(shí)間給出的條件而變化，即 異方差216。 回歸的結(jié)果可能是錯(cuò)誤的23金融時(shí)間序列的特點(diǎn)167。 尖峰厚尾（ Leptokurtosis）：金融回報(bào)序列普遍表現(xiàn)出厚尾（ fat tails）和在均值處出現(xiàn)過(guò)度的峰度（ excess peakedness）， 偏離正態(tài)分布167。167。167。 這樣由 OSL估計(jì)得到的參數(shù)估計(jì)量的方差是 “偽方差”，無(wú)法證明回歸參數(shù)與真實(shí)值的關(guān)系。 迭代期望定理216。216。 由殘差序列的平穩(wěn)性可知27 ARCH（ 1）模型的參數(shù)約束以上考察的是一階矩和二階矩對(duì)參數(shù)的約束，下面考察高階矩對(duì)參數(shù)的約束條件標(biāo)準(zhǔn)差的 4次方無(wú)條件的 4階中心矩28ARCH的參數(shù)的約束 平穩(wěn)性29ARCH的參數(shù)的約束167。167。36ARCH效應(yīng)的檢驗(yàn)：中國(guó)銀行ARCH127將上式代入 GARCH模型有40在 ARCH模型中，無(wú)條件方差為則在 GARCH模型中，無(wú)條件方差為41167。將似然函數(shù)取對(duì)數(shù)，構(gòu)造對(duì)數(shù)似然函數(shù)461. 建立似然方程2. 運(yùn)用 osl回歸得到初始參數(shù)的值，作為迭代的初始值3. 選擇對(duì)條件方差參數(shù)的一些初始值。 1步預(yù)測(cè)方程為對(duì)于 n步預(yù)測(cè)，推導(dǎo)如下 均值方程得到53對(duì)于兩步預(yù)測(cè)，只能采用 t時(shí)刻推斷出的 t+1時(shí)刻的方差來(lái)估計(jì) ，給出的僅僅是其期望形
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1