現(xiàn)代金融研究專題ppt-garch模型(存儲版)
【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明：對于三個獨立的事件 A、 B和 c同時發(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，最簡單為 GARCH(1,1)類似地， GARCH（ p， q）38GARCH模型的優(yōu)點GARCH模型僅僅包含三個參數(shù)就可以表達ARCH存在的無窮多個參數(shù)的方程。 C 6LeastProbability Obs*Rsquared （ 2）根據(jù) ARCH模型的定義167。 ARCH（ 1）對于參數(shù)給出的非常嚴格的限制，并且隨著 ARCH階數(shù)的增加，其限制將更為復雜，在實際的回歸過程中，可能很難滿足這樣的條件。則若 yt是平穩(wěn)的，則對于任意的 t， k和 M，都有其聯(lián)合分布滿足回憶：任意的一個時間序列 yt都可以被認為是由一組聯(lián)合分布的隨機變量生成，也稱其為 f(y)的一個實現(xiàn)。但是 ut的條件方差隨時間而變化，假設 服從 AR(1)過程（模型的名稱來源）21167。14所謂條件期望值函數(shù)， 也就是因變量對自變量的回歸 。167。 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。 回歸的結(jié)果可能是錯誤的23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。167。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參數(shù)的約束，下面考察高階矩對參數(shù)的約束條件標準差的 4次方無條件的 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效應的檢驗：中國銀行ARCH127將上式代入 GARCH模型有40在 ARCH模型中，無條件方差為則在 GARCH模型中，無條件方差為41167。將似然函數(shù)取對數(shù)，構(gòu)造對數(shù)似然函數(shù)461. 建立似然方程2. 運用 osl回歸得到初始參數(shù)的值，作為迭代的初始值3. 選擇對條件方差參數(shù)的一些初始值。 1步預測方程為對于 n步預測，推導如下 均值方程得到53對于兩步預測，只能采用 t時刻推斷出的 t+1時刻的方差來估計 ，給出的僅僅是其期望
教學課件相關推薦
鄂ICP備17016276號-1