Conditional Heteroskedasticity in Asset ReturnsA New Approach外文翻译.doc

本科毕业论文外文翻译 外文题目：Conditional Heteroskedasticity in Asset Returns:A New Approach 出 处： Econometrica 作 者： Daniel B.Nelson 译 文： GARCH模型已条件方差之间的风险溢价和资产运用这些模型的关系，但是，至少有三个主要缺点资产定价））,Cox,Ingersoll,and Ross(1985)） 式子（1.1）-（1.3）可以很简单地得出，式中是n的载体，是n行n列的矩阵。我们选择任意（1.1）-（1.3）的模型无论其是多元的还是单元的，作为ARCH模型。 线性ARCH模型广泛运用规范，并且Engle(1982)和Bollerslec(1986)分别在GARCH模型中对其进行了介绍，定义作为的线性滞后量。 非负。式子（1.4）是（1.5）的特例。选择（1.4）和（1.5）作为GARCH模型，作为特殊形式的（1.3）来区分他们。 Engle和Bollerslev（1986a））将替代之后，我们可以把式子（1.5）写成如下形式 它已与验证，如果非负，和也是非负的。通过设置条件方差等于一个常数加上一个过去的残差平方的加权平均数（可加权的）,GARCH模型可以完美适合资产收益率的波动聚集，这由Mandelbrot(1963)首次发现：“一个大的变化引起接下来大的变化，小的变化引起小的反应。这个GARCH模型的特征完全符合他们的理论和他们的成功经验。 从另一个方面来说，这个单一结构的式子（1.7）规定了GARCH模型重要的限制：比如，Black(1976)一开始的研究发现股票的收益和收益波动呈负相关的证据。波动导致上升受到“坏消息”的响应（预期收益过低），受到“好消息”的响应而下降（预期收益过高））是没有差别的标准定义式，自定义通常都是同意的。在GARCH模型中，这种情况更加复杂。比如，Engle和Bollerslev的IGARCH（1,1）模型如下： 当是一个根。基于线性模型的持久性，似乎，的IGARCH（1,1）模型类似于有游离和没有游离的随机游走，因而对应自然的持久性冲击公式。这将会变成一种误导，但是在的IGARCH（1,1）模型中，方差几乎可以肯定为0，在的IGARCH（1,1）的模型中，方差是平稳的。不会像随机游走的心态，几乎可以确定随机游走偏离。 这种自相矛盾的原因是在GARCH(1,1)模型中，冲击持续会在一个政策下并且在另一个政策下消失，所以有条件时刻的GARCH(1,1)模型可能会失效，即使是这个过程本身是严格固定或是偏离的。本文的目的是提出一个可以替代GARCH模型的方法来解决这些问题，找出在资产收益方面更加合适的模型。 二、指数 ARCH 如果是的条件方差在给定的时间段t，可以确定它是非负的可能值。GARCH模型可以通过的正随机变量组合。我们采用另一种性质来确定非负，通过以下方式 以适应股票收益率之间的不对称关系的变化和波动，的值必须是大小和附后的函数，构造的线性组合函数 这有一个的比（2.1）更简单的表达式 标准化的盖德随机变量的密度是零均值和方差可以通过以下式子给出 三、一个简单的市场波动模型 在这个单元我们估计和测试一个简单的市场风险，资产收益率和不断变化的条件波动的模型。我们运用这个模型检测几个我们之前提到的关于经济和金融的问题。 四、结论 这篇文章展现了一个新的ARCH模型 ，它回避了一些GARCH模型的缺点。理想状况是，我们希望ARCH模型能够允许运用于一些条件回归检验。在最后这片文章将要做出一些贡献：继续发展多元指数ARCH模型，并且一个令人满意的渐进理论适合最大似然参数估计。 1