GARCH 族模型的波动率预测绩效比较*方立兵 1, 郭炳伸 2, 曾勇 1(1. 电子科技大学经济与管理学院, 成都 610054;2. 台湾政治大学国际贸易系, 台北 11605)摘要:广义自回归条件异方差(GARCH)族模型已得到了极大的丰富和进展。然而,随之而来的一个问题是实际应用中究竟应选择怎样的异方差结构。本文从波动性预测的角度,以股权分置改革之后中国股票市场的指数数据为样本,对 10 类常见的 GARCH 类结构进行了实证讨论。与现有讨论不同的是,为了减少参数估量的效率损失对模型绩效评价的影响,讨论中利用估量函数方法——一种效率较高的半参数方法进行参数估量。此外,还分别使用最小二乘方法和SPA 检验法进行绩效评价,以期给出统计意义下的结果,并减少“数据窥察”( Data Snooping)问题。结果发现,与其它 GARCH 类结构相比,指数 GARCH(EGARCH)和非对称幂 GARCH(APARCH)模型能够更好地描述金融资产收益率的波动过程。关键词:GARCH;波动预测;估量函数;SPA 检验中图分类号:F830.91 文献标识码:A0 引言20 多年来,广义自回归条件异方差(GARCH)族模型得到了极大的丰富和进展。Bollerslev (1986)[1]最早提出了 GARCH 模型,其目的是为了克服 Engle (1982)[2]的 ARCH 模型在描述波动的持续性特征时,往往难以满足参数的节俭原则而进行的推广。 Taylor(1986)[3]和 Schwert(1989)[4]为了改进参数估量的效率建议将方差方程中的条件方差改为条件标准差(TSGARCH)①。Engle & Bollerslev(1986)[5]为了更好地捕捉波动的持续性提出了积分GARCH(IGARCH)。Nelson(1991)[6]考虑到波动的非对称性(“杠杆效应”)建议使用指数 GARCH ( EGARCH ) 模 型 。 出 于 类 似 的 目 的 , Engle(1990)[7] 、 Engle & Ng(1993)[8]、Glosten et al. (1993)[9]、Ding et al. (1993)[10]、Zakoian(1994)[11]以及 Sentana(1995)[12]等分别提出非对称GARCH(AGARCH)、非线性非对称GARCH ( NAGARCH ) 、 GJRGARCH 、 非 对 称 幂 ARCH ( APARCH ) 、 门 限GARCH(TGARCH)以及二次 GARCH(QGARCH)等。这些 GARCH 族模型均能较好地刻画收益率的波动过程(参见 Poon & Granger(2024)[13]的评述)。而且,与其它时变的波动模型(如随机波动, Stochastic Volatility)相比,GARCH 族模型具有形式简洁、使用方便(参数估量易于实现)等优势,因此得到了广泛应...