ARCH模型和GARCH模型Word格式文档下载.docx
《ARCH模型和GARCH模型Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《ARCH模型和GARCH模型Word格式文档下载.docx(21页珍藏版)》请在冰豆网上搜索。
条件方差或者波动率(Conditionvariance,volatility)定义为
其中
是信息集。
2、ARCH模型的定义
Engle(1982)提出ARCH模型(autoregressiveconditionalheteroskedasticity,自回归条件异方差)。
ARCH(q)模型:
(1)
的无条件方差是常数,但是其条件分布为
(2)
方程
(1)是均值方程(meanequation)
✓
:
条件方差,含义是基于过去信息的一期预测方差
方程
(2)是条件方差方程(conditionalvarianceequation),由二项组成
✓常数
✓ARCH项
滞后的残差平方
由于εt2的非负性,对i应有如下约束,
ω>
0,i0,i=1,2,…q
当全部i=0,i=1,2,…,q时,条件方差t2=ω。
因为方差是非负的,所以要求ω>
0。
3、ARCH模型的平稳性条件
为保证t2是一个平稳过程,
(2)式的特征方程
1-1L-2L2-…-qLq=0
的根都应在单位圆之外。
对i,i=1,2,…,q的另一个约束是
01+2+…+q<
1
对
(2)式求期望,
t2=ω+1E(εt-12)+2E(εt-22)+…+qE(εt-q2)
=ω+1t-12+2t-22+…+qt-q2
当T时,2=ω+12+22+…+q2
则无条件方差
可见若保证t2是一个平稳过程,应该有约束
0(1+2+…+q)<
1。
因为Var(yt)=Var(εt)=t2,所以上式可以用来预测yt的方差。
综上所述,ARCH模型的方差方程的的平稳性条件有
1)1-1L-2L2-…-qLq=0的根都应在单位圆之外。
2)01+2+…+q<
1
为使模型能够成立还需要满足ω>
0,i0,i=1,2,…q
例1ARCH
(1)模型中参数
的含义:
当
时,
时,退化为传统情形,
4、ARCH效应检验
ARCHLMTest:
拉格朗日乘数检验
建立辅助回归方程
此处
是回归残差。
原假设:
H0:
序列不存在ARCH效应
即H0:
可以证明:
若H0为真,则
此处,m为辅助回归方程的样本个数。
R2为辅助回归方程的确定系数。
Eviews操作:
①先实施多元线性回归
②view/residual/Tests/ARCHLMTest
2、ARCH模型的实证分析
从收盘价,得到收益率数据序列。
seriesr=log(p)-log(p(-1))
点击序列p,然后view/linegraph
1、检验是否有ARCH现象。
首先回归。
取2000到2254的样本。
输入lsrc,得到
DependentVariable:
R
Method:
LeastSquares
Date:
10/21/04Time:
21:
26
Sample:
20002254
Includedobservations:
255
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
R-squared
Meandependentvar
AdjustedR-squared
.dependentvar
.ofregression
Akaikeinfocriterion
Sumsquaredresid
Schwarzcriterion
Loglikelihood
Durbin-Watsonstat
问题:
这样进行回归的含义是什么
其次,view/residualtests/ARCHLMtest,得到
ARCHTest:
F-statistic
Probability
Obs*R-squared
TestEquation:
RESID^2
27
Sample(adjusted):
20102254
245afteradjustingendpoints
RESID^2(-1)
RESID^2(-2)
RESID^2(-3)
RESID^2(-4)
RESID^2(-5)
RESID^2(-6)
RESID^2(-7)
RESID^2(-8)
RESID^2(-9)
RESID^2(-10)
F-statistic
Durbin-Watsonstat
Prob(F-statistic)
得到什么结论
2、模型定阶:
如何确定q
实施ARCHLMtest时,取较大的q,观察滞后残差平方的t统计量的p-value即可。
此处选取q=3。
因此,可以对残差建立ARCH(3)模型。
3、ARCH模型的参数估计
参数估计采用最大似然估计。
具体方法在GARCH一节中讲解。
如何实施ARCH过程:
由于存在ARCH效应,所以点击estimate,在method中选取ARCH
得到如下结果
ML-ARCH
48
Convergenceachievedafter13iterations
z-Statistic
VarianceEquation
ARCH
(1)
ARCH
(2)
ARCH(3)
为了比较,观察将q放大对系数估计的影响
54
Convergenceachievedafter16iterations
ARCH(4)
ARCH(5)
观察:
说明q选取为3确实比较恰当。
4、ARCH模型是对的吗
如果ARCH模型选取正确,即回归残差的条件方差是按规律变化的,那么标准化残差就会服从标准正态分布,即不会有ARCH效应了。
对q为3的ARCH模型做LMtest,发现没有了ARCH效应。
注意,虽然是同一个检验名称,但是ARCH过程后是对标准化残差进行检验。
注意观察被解释变量或者依赖变量是什么
STD_RESID^2
56
STD_RESID^2(-1)
STD_RESID^2(-2)
STD_RESID^2(-3)
STD_RESID^2(-4)
STD_RESID^2(-5)
STD_RESID^2(-6)
STD_RESID^2(-7)
STD_RESID^2(-8)
STD_RESID^2(-9)
STD_RESID^2(-10)
方程整体是不显着的。
还可以观察标准化残差
ARCH建模以后,procs/makeresidualseries/可以产生残差
和标准化残差
,以下分别是残差和标准化残差。
可以看出没有了集群现象。
还可以观察波动率(条件方差)的图形。
对比r和残差的图形,发现条件方差的起伏与波动率的大小一致。
ARCH建模以后,procs/makegarchvarianceseries/得到
结论:
ARCH模型确实很好描述了股票市场收益率的波动性。
可以观察系数之和小于1,满足平稳性条件。
3、GARCH模型
ARCH(q)模型是关于t2的分布滞后模型。
为避免εt2的滞后项过多,可采用加入t2的滞后项的方法,此方法是Bollerslov(1986)提出的GARCH模型(GeneralizedARCH),主要就是针对q较大的情形
1、模型定义
条件方差方程
✓均值
过去的条件方差(也即预测方差,forecastvariance)
注意:
均值方程中若没有解释变量(即只有常数,如RC),则R2没有直观定义了,因此可为负)
例2GARCH(1,1)Model
标准的GARCH(1,1)描述为:
(a)
(b)
(a)式是均值的方程,带误差项的外生变量的函数。
因为
是基于过去信息的一步向前预测方差,所以称为条件方差。
条件方差的方程有三项。
是均值项;
;
在GARCH(1,1)的(1,1)表明有1阶GARCH项和1阶ARCH项。
一个ARCH模型是GARCH模型的特殊情况,即当条件方差的方程中没有条件方差的滞后项时,即:
(c)
(d)
如果对
(2)式右边进行迭代。
可以有
…
这说明GARCH(1,1)的条件方差是以前的所有随机干扰项平方的加权和与共同部分
构成。
令
将其代入(b)得,
由此可见,残差平方服从一个ARMA(1,1)过程。
自回归因子的根为
,如果
接近1,则冲击是长久的。
2、GARCH(p,q)模型的稳定性条件
计算扰动项的无条件方差:
从上式可推出稳定条件:
0
为使模型有意义,系数还需要满足下面两条
1)ω>
0,i0,i=1,2,…q,
2)βi0,j=1,2,…p
3、GARCH模型的参数估计
采用极大似然估计GARCH模型的参数。
下面以GARCH(1,1)为例。
由GARCH(1,1)模型
可以得到yt的分布为
由正态分布的定义公式,得到yt的pdf为
第t个观察样本的对数似然函数值为
注意yi和yj之间不相关,因而是独立的。
似然函数为
取对数就得到了所有样本的对数似然函数。
其中条件方差项以非线性方式进入似然函数,所以不得不使用迭代算法求解。
4、模型的选择
两条原则:
1)若ARCH(q)中q太大,比如q大于7时,则选择GARCH(p,q)
2)使用AIC和SC准则,选择最优的GARCH模型
3)对于金融时间序列,一般选择GARCH(1,1)就够了。
回顾AIC和SC定义:
1)AIC准则(Akaikeinformationcriterion)
AIC越小越好,结合如下两者:
K(自变量个数)减少,模型简洁
LnL增加,模型精确
2)SC准则(Schwazcriterion)
习题1:
通货膨胀率有ARCH效应吗GreeneP572
点击数据文件usinf_greene_p572。
进行回归
lsinflationcinflation(-1)
INFLATION
11/19/04Time:
10:
37
19411985
45afteradjustingendpoints
INFLATION(-1)
检验ARCH效应
46
19461985
40afteradjustingendpoints
习题2:
通货膨胀率有ARCH效应吗Lin的数据集
点击usinf文件
seriesdp=100*D(log(p))
lsdpcdp(-1)dp(-2)dp(-3)
DP
10
1951:
11983:
4
132afteradjustingendpoints
DP(-1)
DP(-2)
DP(-3)
13
1952:
21983:
127afteradjustingendpoints
16
132afteradjus