arch模型-資料下載頁
2025-03-10 23:46本頁面
【正文】 當所有 項都等于 0時， GARCH（ p，q）模型變成了純 ARCH（ q）模型。 2t????????p1j2jtq1i2it ?????= 方差方程估計 —— TARCH模型 建立 TARCH模型檢驗新息沖擊曲線的對稱性 : σ2t =α0+α∑u2t1 +γu2t1 It1 +β∑σ2t1 σ2t =+ It1 + （ ） () () () (經(jīng)檢驗， TARCH項滯后階數(shù)選擇 1階擬合效果是最好的 ) 方差方程估計 —— TARCH模型 方差方程中 It1項為非對稱項效應，它是用來度量好消息 (ut0)和壞消息 (ut0)對條件方差的影響。好消息（此時， It1 =0）對條件方差有一個 α 倍的沖擊，壞消息（ It1 =1）對條件方差有一個（ α+γ）倍的沖擊。如果 γ 大于 0，則說明條件方差存在杠桿效應。 但回歸結果顯示， γ 小于 0，沒有檢驗到杠桿效應，說明壞消息并沒有使股市的波動加大，其實， 資本市場中，更為普遍的是資產(chǎn)的向下運動通常伴隨著比之程度更強的向上運動。非對稱效應的波動將使得收益率的條件方差波動加大，不利消息比有利消息對深證綜指收益率的沖擊要大。 最優(yōu)擬合模型 —— TARCH模型 綜合以上三種模型，相比較 ARCH、 GARCH模型而言， TARCH模型無論從均值方程系數(shù)顯著性（ P值）還是從方程方程系數(shù)的顯著性來看，都是最優(yōu)的。 故用 TARCH模型建立最終擬合的方程： Rt = + +ut （ ）（ ） σ2t =+ It1+ （ ） (***) (***) (***) 深證綜指收益率 TARCH模型殘差的ARCH檢驗 —— ARCHLM檢驗 建立的 TARCH模型是否顯著的消除了深證綜指收益率自回歸模型的條件異方差需要利用 ARCHLM檢驗來判斷。 深證綜指收益率 TARCH模型殘差的ARCH檢驗 —— 殘差平方相關圖檢驗 ARCH檢驗結論 顯然，無論是 ARCHLM檢驗還是殘差相關圖檢驗，都顯示 P值很大，即殘差的自相關關系不再顯著，最終剩余的殘差是真正的白噪聲。 殘差 ARCH 效應檢驗結果表明深證綜指收益率的自相關修正后的 TARCH 模型的殘差系列不存在 ARCH 效應，即含有一階非對稱效應 TARCH 模型較好的消除了深證綜指收益率殘差的條件異方差。因此，深證綜指日收益率的 TARCH模型能較好的反映收益率的波動變化。 總結 ARCH模型通常對主體模型的隨機擾動項進行建模分析。以便充分的提取殘差中的信息，使得最終的模型殘差 ηt成為白噪聲序列。該殘差最終消除了深證綜指收益率波動的 集群效應（即方差具有記憶性） ，這便是模型的精髓 。 整體思路： 自相關 —— 均值方程 ARCH效應檢驗 —— 方差方程（初步提取殘差中的相關信息） 建模 —— 最終殘差（白噪聲） 演講完畢，謝謝觀看！
公司管理相關推薦
鄂ICP備17016276號-1