不同分布的GARCH族模型的波罗的海干散货运价指数波动率VIP专享VIP免费

更多免费论文请到海员论坛下载http://bbs.haiyuan5.com基于不同分布的GARCH族模型的波罗的海干散货运价指数波动率研究摘要：本文利用GARCH族模型对波罗的海运价指数（BDI）进行实证研究，对其收益率序列和波动率进行建模，并通过比较基于不同分布情况下各模型优劣，试图找出最适合的模型。研究表明：在单纯描述BDI指数波动率时，采用服从t分布的GARCH（1，2）模型，更能反映BDI指数收益率序列的尖峰厚尾性；在描述BDI指数波动率的杠杆效应时，采用正态分布假设下的TGRACH(1,2)对其进行描述更合适。关键词：波罗的海运价指数，ADF检验，拉格朗日乘数检验，GARCH，TGARCH，EGARCH，GARCH-M中图编号：F551文献标识码：ATheResearchonVolatilityofBalticDryIndexUsingGARCHTypeModelswithDifferentDistributionsAbstract:Inthispaper,GARCHmodelsareusedtoconductaneconometricresearchontheBalticDryIndex.Themodelsaremadetothereturnandvolatilityequations.Bycomparingtheadvantagesanddisadvantagesofdifferentmodelswithdifferentdistributions,theempiricalresultsshowthattheGARCH(1,2)modelwiththestudent-tdistributionisthebestmodeltofitthevolatilityofBalticDryIndex,TGRACH(1,2)withnormaldistributionaremoreappropriatetodescribetheleverageeffectofBalticDryIndex.KeyWords:BDI,ADFtest,LMTEST,tdistribution,GEDdistribution,GARCH,TGARCH,EGARCH,GARCH-M1.引言国际干散货航运市场是国际三大航运市场之一，是世界航运的重要组成部分。作为反映国际干散货运价整体水平、量化市场状态的波罗的海运价指数（BDI）多年来一直为航运界高度关注，被称作为国际干散货航运市场发展和变化的晴雨表。从2003年到2007年，由于中国的经济快速发展也带动了全球经济的复苏，全球对于原材料的需求大大增加，导致了海运的快速繁荣。BDI指数节节飙升，2007年10月29日，BDI指数创下目前为止的历史最高点11033点。然而在运价指数不断走高的同时，其波动也在不断加剧。BDI在2007年11月13日见顶回落，进入新的一年更是直线下挫，从2007年12月24日9143点跌至2008年1月31日的6052点，创造了国际海运市场的最大单月跌幅。对BDI指数的波动性进行研究，对把握航运市场状态从而实现航运资源的有效配置，有着重要的意义。国内外在对航运运价风险进行研究时,以GARCH族模型为主要研究手段,并取得了一定的成果。Haigh（1999）运用多元GARCH模型研究了运价、商品及外汇三类期货价格波动性之间的溢出效应；Kavussanos（2000）运用GARCH-X模型估计了BIFFEX的套期保值比率,并比较了时变和常数两种套期保值比率在降低风险方面的有效性；宫进（2001）、Chen（2004）分别运用EGARCH模型对指数收益率的条件异方差性质、国际干散货运输市场价格波动的杠杆效应进行分析；李序颖（2005）利用协整理论Granger因果检验对BDI和CCFI（中国出口集装箱运价指数）进行研究，并对其收益率序列及其波幅进行ARMA－GARCH建模；李耀鼎等（2006）对BDI对数序列进行研究，结果显示其具有尖峰厚尾特征，不能认为其服从正态分布；孙永（2005）分析了CCFI和BDI序列波动的集聚性特征，并建立GARCH，EGARCH条件异方差模型，引入了VaR技术对两者的收益率风险进行了实证比较分析。对运价指数波动率的已有研究中，主要利用GARCH族模型对其进行建模，根据已有研究结果，显示运价指数的收益率序列并不服从正态分布，其在分布上存在尖峰厚尾性，因此对GARCH模型进行估计时应基于什么分布、运价收益率序列的波动是否对称等问题进行深入研究，将对运价指数波动的规律有更清楚的认识。2．模型解释和分布问题2.1GARCH族模型针对波动的集聚特征，Engle(1982)首先提出ARCH模型,即自回归条件异方差模型,Bollerslev(1986)提出广义自回归条件异方差（GARCH）模型，即若均值方程：Rt=μt+at(1)式中：Rt为收益率序列，μt代表Rt对直到t−1时间为止所有的信息集Ft−1的条件期望，at为新息。则GARCH（m,s）模型为：at=σtεtσt2=α0+∑i=1sαiat−i2+∑j=1mβjσt−j2(2)式中σt2是条件方差，εt是独立同分布的白噪声序列，其均值为0，方差为1，α0＞0...