金融时间序列.pptx

条件异方差模型; 自回归条件异方差(Autoregressive Conditional Heteroscedasticity Model， 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 (Generalized ARCH)——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 。 ;自ARCH模型始创以来，经历了两次突破。一次是广义ARCH（Generalized ARCH），也即GARCH模型的提出。从此以后，几乎所有的ARCH模型新成果都是在GARCH模型基础上得到的。第二次则是长记忆在经济学上的研究取得突破，与ARCH模型相结合所产生的一系列长记忆ARCH的研究从1996年至今方兴未艾。 ;波动率的特征 模型的结构 建模 ARCH模型 GARCH模型 GARCH-M模型 IGARCH模型;波动率的特征;波动率的特征 ;模型的结构;模型的结构;模型的结构;建模;建模;建模;ARCH模型;ARCH模型;ARCH模型;ARCH模型;ARCH模型;ARCH模型;ARCH模型;GARCH模型;GARCH模型;GARCH模型;GARCH模型;GARCH模型;IGARCH模型;IGARCH模型;IGARCH模型;GARCH－Ｍ模型;EGARCH模型;EGARCH模型;EGARCH模型;EGARCH模型;TGARCH模型;CHARMA模型;CHARMA模型;CHARMA模型;RCA模型;SV模型;SV模型;LMSV模型;LMSV模型;其他方法——高频数据的应用;其他方法;;;;GARCH模型的峰度;GARCH模型的峰度