第9章 条件异方差模型.ppt

文档介绍：第九章 条件异方差模型（ARCH）
经典线性回归分析中，时间序列数据被认为更容易存在序列相关，而不是异方差。
然而当学者在分析利率、汇率、股票价格等金融时间序列时，却发现其方差会经常随时间变化，具有集群性和方差波动性特点，即存在明显异方差现象。
1
第九章 条件异方差模型（ARCH）
1982年，美国经济学家恩格尔()教授提出了自回归条件异方差模型(Auto Regressive Conditional Heteroscedasticity，以下简称ARCH模型)，该模型被广泛应用于具有集群性和方差波动性特点的金融时间序列数据的分析及预测，取得了良好的效果，恩格尔教授也因此获得2003年诺贝尔经济学奖。
后来该模型又被扩展为GARCH、IGARCH、EGARCH、GARCH-M等模型。
2
本章的知识框架
3
ARCH模型
4
ARCH(q)模型
5
ARCH(q)模型
6
ARCH(q)模型特点
ARCH(q)模型表明，过去的波动扰动对市场未来波动有着正向而减缓的影响，即较大幅度的波动后面一般紧接着较大幅度的波动，较小幅度的波动后面一般紧接着较小幅度的波动，波动会持续一段时间。
因此，ARCH模型可以拟合市场波动的集群性现象，但没有说明波动的方向。
7
如果时间序列的方差随时间变化，使用ARCH模型可以更精确地估计参数，提高预测精度，同时还可以知道预测值的可靠性。当方差较大时，预测值的置信区间就较大，从而可靠性较差；当方差较小时，预测值的置信区间就较小，从而可靠性较好。
ARCH模型的提出表明，经济时间序列中比较明显的变化是可以预测的，并且这种变化是来自某一特定类型的非线性依赖性，而不是方差的外生结构变化。
8
ARCH效应的检验
检验ARCH效应的方法包括:
LM检验、F检验和残差平方相关图检验。
9
LM检验
10