专题六类模型.pptx

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,专题六类模型,专题内容,ARCH,模型及其参数估计,GARCH,模型及其参数估计,EGARCH,模型,TGARCH,模型,GARCH-M,模型,案例分析,ARCH,模型,ARCH,模型。由,Engle(1982),引入。,ARCH,模型,ARCH,模型:,ML,估计,ARCH,模型:,ML,估计,ARCH,模型:,ML,估计,ARCH,模型:,ML,估计,ARCH,模型:,ML,估计,ARCH,模型,GARCH,模型,12,大家应该也有点累了，稍作休息,大家有疑问的，可以询问和交流,GARCH,模型,GARCH,模型,GARCH,模型,GARCH,模型,ML,估计,GARCH,模型,ML,估计,GARCH,模型,ML,估计,GARCH,模型,ML,估计,不对称得,GARCH,模型,针对股票价格变动,可以经常观察到,信息冲击下,向下波动性要强于向上波动性。为了解释这种想象,Engle and Ng(1993),采用如下曲线来表述不对称得信息影响特征,不对称得,GARCH,模型,不对称得,GARCH,模型类型多样,这里主要介绍两种:,EGARCH,TGARCH,EGARCH,模型,EGARCH or Exponential GARCH model,由奈尔逊,(Nelson,1991),提出得。,EGARCH,模型,EGARCH,模型中得一个重要特征就是在条件方差中引入了参数,g,这使得条件方差在随机干扰项取值为正、负值时有不同程度得变化,从而能更准确地描述金融产品价格波动得情况。,比如,在股票市场中,若将利好消息瞧作就是对股价得正干扰,将利空信息瞧作就是负干扰,人们注意到,股价往往对同样程度得副干扰得反应更加强烈。,EGARCH,模型,这种正负干扰得不对称反映得不对称性可以有,EGARCH,模型来描述。,若参数,g,取值为负数,且大于,-1,时,那么一个负干扰所引起得条件方差得变化,比相同程度得正干扰引起条件方差得变化则更大;,若,g,大于,0,同样程度得正干扰引起条件方差得变化则更大;若,g=0,则条件方差对于正负干扰得变化就是对称得。,EGARCH,模型,参数。由于,EGARCH,条件方差有指数形式表示,所以无论参数,取何实数,条件方差总大于,0,。这样在对,EGARCH,参数估计时,不需要对,进行约束。,EGARCH,模型,EGARCH,模型,EGARCH,模型,EVIEWS,中使用得模型与,Nelson,模型有差异。,EVIEWS,中使用得模型如下:,TGARCH,模型,正干扰与负干扰得非对称得后果也可通过对线性,GARCH,框架得简单修正给出。,TGARCH(Threshold ARCH),模型由,Zakoian(,1990),以及,Glosten,Jaganathan,and Runkle(1993),提出。,TGARCH,模型,TGARCH,与,EGARCH,模型,ARCH-M,模型,在前面讨论中,ARCH,、,GARCH,、,EGARCH,过程主要就是描述模型得干扰项得条件方差,一般与,yi,得条件期望无关。,但实际中人们注意到,条件方差得变化往往直接影响到条件期望得值,ARCH-M,模型对回归模型得条件期望与条件方差都作了描述,就是对前面讨论得,ARCH,与,GARCH,模型得推广。,ARCH-in-Mean(ARCH-M)model(Engle,Lilien,Robins,1987),。,