专题六-GARCH类模型

专题六GARCH类模型1精选2021版课件专题内容ARCH模型及其参数估计GARCH模型及其参数估计EGARCH模型TGARCH模型GARCH-M模型案例分析2精选2021版课件ARCH模型ARCH模型。由Engle(1982)引入。3精选2021版课件ARCH模型4精选2021版课件ARCH模型：ML估计5精选2021版课件ARCH模型：ML估计6精选2021版课件ARCH模型：ML估计7精选2021版课件ARCH模型：ML估计8精选2021版课件ARCH模型：ML估计9精选2021版课件ARCH模型10精选2021版课件GARCH模型11精选2021版课件GARCH模型12精选2021版课件GARCH模型13精选2021版课件GARCH模型14精选2021版课件GARCH模型ML估计15精选2021版课件GARCH模型ML估计16精选2021版课件GARCH模型ML估计17精选2021版课件GARCH模型ML估计18精选2021版课件不对称的GARCH模型针对股票价格变动，可以经常观察到，信息冲击下，向下波动性要强于向上波动性。为了解释这种想象，EngleandNg(1993)采用如下曲线来表述不对称的信息影响特征19精选2021版课件不对称的GARCH模型不对称的GARCH模型类型多样，这里主要介绍两种：EGARCHTGARCH20精选2021版课件EGARCH模型EGARCHorExponentialGARCHmodel由奈尔逊(Nelson，1991)提出的。21精选2021版课件EGARCH模型EGARCH模型中的一个重要特征是在条件方差中引入了参数g，这使得条件方差在随机干扰项取值为正、负值时有不同程度的变化，从而能更准确地描述金融产品价格波动的情况。比如，在股票市场中，若将利好消息看作是对股价的正干扰，将利空信息看作是负干扰，人们注意到，股价往往对同样程度的副干扰的反应更加强烈。22精选2021版课件EGARCH模型这种正负干扰的不对称反映的不对称性可以有EGARCH模型来描述。若参数g取值为负数，且大于-1时，那么一个负干扰所引起的条件方差的变化，比相同程度的正干扰引起条件方差的变化则更大；若g大于0，同样程度的正干扰引起条件方差的变化则更大；若g=0，则条件方差对于正负干扰的变化是对称的。23精选2021版课件EGARCH模型π参数。由于EGARCH条件方差有指数形式表示，所以无论参数π取何实数，条件方差总大于0。这样在对EGARCH参数估计时，不需要对π进行约束。24精选2021版课件EGARCH模型25精选2021版课件EGARCH模型26精选2021版课件EGARCH模型EVIEWS中使用的模型与Nelson模型有差异。EVIEWS中使用的模型如下：27精选2021版课件TGARCH模型正干扰和负干扰的非对称的后果也可通过对线性GARCH框架的简单修正给出。TGARCH(ThresholdARCH)模型由Zakoian(1990)以及Glosten,Jaganathan,andRunkle(1993)提出。28精选2021版课件TGARCH模型29精选2021版课件TGARCH和EGARCH模型30精选2021版课件ARCH-M模型在前面讨论中，ARCH、GARCH、EGARCH过程主要是描述模型的干扰项的条件方差，一般与yi的条件期望无关。但实际中人们注意到，条件方差的变化往往直接影响到条件期望的值，ARCH-M模型对回归模型的条件期望和条件方差都作了描述，是对前面讨论的ARCH和GARCH模型的推广。ARCH-in-Mean(ARCH-M)model(