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发展
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类结构进行了实证研究
与现有研究不同的是,为了减少参数估计的效率损失对模型绩效评价的影响,研究中利用估计函数方法——一种效率较高的半参数方法进行参数估计
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”(DataSnooping)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;估计函数;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发展
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]为了改进参数估计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)[