文档介绍：第五组金融资本市场字数:9304
基于GARCH族的我国股指波动率的拟合及预测
雷滔
【摘要】近20年来使用GARCH 类模型预测金融市场的波动率已成为该领域理论及实证上的热门话题。本文对我国沪深及香港恒生等主要股指收益的ARCH效应检验,使用GARCH 类模型包括:GARCH(1,1)、GARCH-M及描述非对称的EGARCH和TGARCH模型来拟合股指的波动性,进行波动性的预测以及预测效果的评价是本文的四大核雷滔,1981-,女,北京航空航天大学博士研究生,主要研究方向:计量经济学,股指期货,GARCH族模型等。
心。文章对最近两年GARCH模型的发展进行了全面综述,并对拟合预测评价进行了直观的图形描述。
关键词:波动率;GARCH族; 拟合; 预测
中图分类号 F830 文献标识码 A
The GARCH-based research on the fitting and prediction of stock index’s volatility
【Abstract】Over the past 20 years ,the use of GARCH-type models to predict the financial market volatility has e a hot topic both in theoretical and in empirical area. This article focus on having the ARCH effects test on the revenue of stock index revenue in China's Shanghai、Shenzhen and Hong Kong's Hang Seng and other major market using of GARCH-type models including: GARCH (11)、GARCH-M as well as the description of asymmetric Such as TGARCH and EGARCH models to fit the volatility of stock index carrying out the volatility of the forecast as well as the evaluation of the effect of forecast which are the core of the four in the paper. In addition the article gives prehensive overview on GARCH model’s Analysis.
Key words: Volatility; GARCH Family; Fitting; Forecast
引言
无论是金融衍生产品的定价、金融风险的测定还是资产组合的分析波动率在测度金融资产的总体风险中都扮演着很重要的角色。测度市场风险价值的模型都需估计、预测波动参数。到目前为止测量波动性的方法有四种:一是历史波动性;二是隐含的波动性模型;三是通过随机波动率(SV) 模型进行估计;四是通过GARCH 类模型进行估计这种方法目前成了主流。
文献综述及研究现状
GARCH类模型族以收益和方差来度量波动性,以此测度金融资产的总体风险。“波动丛集性和聚集性”是GARCH类模型的特征。丛集性描述资产价格大(小)的变化(正或负的)后往往随后也会有大(小)的变化即:波动的当期水平与它最近的前些时期水平有正相关关系,波动是自相关的。基于金融时序的波动有聚集效应即波动的时变性,诺贝尔奖得主Engle于1982年首先提出了自回归条件异方差模型
(Autoregressive Conditional Heteroskedasticity Model)即ARCH模型。此后,ARCH模型族得到较快发展本文根据建模需要将ARCH族模型的具体描述放在第三小节讲解。
。现GARCH模型已发展成了一个家族体系主要有EGARCH、GJRGARCH、APARCH、FIGARCH、FIEGARCH、FIAPARCH、FIAPARCH、IGARCH 和HYGARCH等。
目前的关于GARCH 模型族的研究发展非常迅速。首先是将BP神经网络(BPNNbackpropagation work)、遗传算法(GA ic algorithm)、Box-Cox和copula函数等方法与GARCH或支持向量回归(SVR support vector regression)相结合。大量研究基于此:Bao Rong Chang等学者将BP神经网络用于SVR灰色模型和GARCH降低波动