数学建模EViews中估计ARCH模型.ppt

《数学建模EViews中估计ARCH模型.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第八章条件异方差模型本章讨论的重要工具具有与以往不同的目的——建立变量的条件方差或变量波动性模型。建模并预测其变动性通常有如下几个原因:首先，我们可能要分析持有某项资产的风险；其次，预测置信区间可能是时变性的，所以可以通过建立残差方差模型得到更精确的区间；第三，如果误差的异方差是能适当控制的，我们就能得到更有效的估计。本章内容：一、自回归条件异方差模型二、在EViews中估计ARCH模型三、ARCH的估计结果四、ARCH模型的视图与过程五、非对称ARCH模型六、成分ARCH模型(ComponentARCHModel)一、自回归条件异方

2、差模型自回归条件异方差(AutoregressiveConditionalHeteroscedasticityModel，ARCH)模型是特别用来建立条件方差模型并对其进行预测的。ARCH模型是1982年由恩格尔(Engle,R.)提出，并由博勒斯莱文(Bollerslev,T.,1986)发展成为GARCH(GeneralizedARCH)——广义自回归条件异方差。这些模型被广泛的应用于经济学的各个领域。尤其在金融时间序列分析中。按照通常的想法，自相关的问题是时间序列数据所特有，而异方差性是横截面数据的特点。但在时间序列数据中，会不

3、会出现异方差呢？会是怎样出现的？恩格尔和克拉格（Kraft,D.,1983）在分析宏观数据时，发现这样一些现象：时间序列模型中的扰动方差稳定性比通常假设的要差。恩格尔的结论说明在分析通货膨胀模型时，大的及小的预测误差会大量出现，表明存在一种异方差，其中预测误差的方差取决于后续扰动项的大小。从事于股票价格、通货膨胀率、外汇汇率等金融时间序列预测的研究工作者，曾发现他们对这些变量的预测能力随时期的不同而有相当大的变化。预测的误差在某一时期里相对地小，而在某一时期里则相对地大，然后，在另一时期又是较小的。这种变异很可能由于金融市场的波动性

4、易受谣言、政局变动、政府货币与财政政策变化等等的影响。从而说明预测误差的方差中有某种相关性。为了刻画这种相关性，恩格尔提出自回归条件异方差（ARCH）模型。ARCH的主要思想是时刻t的ut的方差（=t2）依赖于时刻(t1)的残差平方的大小，即依赖于ut2-1。（一）ARCH模型为了说得更具体，让我们回到k-变量回归模型：(9.1.1)并假设在时刻(t1)所有信息已知的条件下，扰动项ut的分布是：~(9.1.2)也就是，ut遵循以0为均值，(0+1u2t-1)为方差的正态分布。由于(9.1.2)中ut的方差依赖于前期的平方扰动

5、项，我们称它为ARCH(1)过程：然而，容易加以推广。例如，一个ARCH(p)过程可以写为：（9.1.3）如果扰动项方差中没有自相关，就会有H0：这时从而得到误差方差的同方差性情形。恩格尔曾表明，容易通过以下的回归去检验上述虚拟假设：（9.1.4）其中，ût表示从原始回归模型（9.1.1）估计得到的OLS残差。（二）GARCH(1,1)模型常常有理由认为ut的方差依赖于很多时刻之前的变化量（特别是在金融领域，采用日数据或周数据的应用更是如此）。这里的问题在于，我们必须估计很多参数，而这一点很难精确的做到。但是如果我们能够意识到方程(6

6、.1.3)不过是t2的分布滞后模型，我们就能够用一个或两个t2的滞后值代替许多ut2的滞后值，这就是广义自回归条件异方差模型(generalizedautoregressiveconditionalheterosce-dasticitymodel，简记为GARCH模型)。在GARCH模型中，要考虑两个不同的设定：一个是条件均值，另一个是条件方差。在标准化的GARCH(1,1)模型中：(9.1.5)(9.1.6)其中：xt是1×(k+1)维外生变量向量，是(k+1)×1维系数向量。(9.1.5)中给出的均值方程是一个带有误差项的外

7、生变量函数。由于t2是以前面信息为基础的一期向前预测方差，所以它被称作条件方差。(6.1.6)中给出的条件方差方程是下面三项的函数：1．常数项（均值）：2．用均值方程(6.1.5)的残差平方的滞后来度量从前期得到的波动性的信息：ut2-1（ARCH项）。3．上一期的预测方差：t2-1（GARCH项）。GARCH(1,1)模型中的(1,1)是指阶数为1的GARCH项（括号中的第一项）和阶数为1的ARCH项（括号中的第二项）。一个普通的ARCH模型是GARCH模型的一个特例，即在条件方差方程中不存在滞后预测方差t2的说明。在EVi

8、ews中ARCH模型是在误差是条件正态分布的假定下，通过极大似然函数方法估计的。例如，对于GARCH(1,1)，t时期的对数似然函数为：(9.1.7)其中(9.1.8)这个说明通常可以在金融领域得到解释，因为代理商或贸易