电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

GARCH模型与应用简介VIP免费

GARCH模型与应用简介_第1页
1/51
GARCH模型与应用简介_第2页
2/51
GARCH模型与应用简介_第3页
3/51
GARCH模型与应用简介(2006,5)0.前言……………………………………………..21.GARCH模型………………………………………….72.模型的参数估计………………………………………163.模型检验………………………………………………274.模型的应用……………………………………………325.实例……………………………….……………………426.某些新进展……………………….…………………...46参考文献……………………………………………….5010.前言(随机序列的条件均值与条件方差简介)考察严平稳随机序列{yt},且Eyt<.记其均值Eyt=,协方差函数k=E{(yt-)(yt+k-)}.其条件期望(或条件均值):E(ytyt-1,yt-2,…)(yt-1,yt-2,…),(0.1)依条件期望的性质有E(yt-1,yt-2,…)=E{E(ytyt-1,yt-2,…)}=Eyt=.(0.2)记误差(或残差):etyt-(yt-1,yt-2,…).(0.3)由(0.1)(0.2)式必有:Eet=Eyt-E(yt-1,yt-2,…)=Eyt-Eyt=0,(0-均值性)(0.4)及Eet2=E[yt-(yt-1,yt-2,…)]2=E{(yt-)-[(yt-1,yt-2,…)-]}2(中心化)=E(yt-)2+E[(yt-1,yt-2,…)-]2-2E(yt-)[(yt-1,yt-2,…)-]=0+Var{(yt-1,yt-2,…)}-2EE{(yt-)[(yt-1,yt-2,…)-]yt-1,yt-2,…}(根据Ex=E{E[xyt-1,yt-2,…]})=0+Var{(yt-1,yt-2,…)}-2E{[(yt-1,yt-2,…)-]E[(yt-)yt-1,yt-2,…]}2(再用E[x(yt-1,yt-2,…)yt-1,yt-2,…]=(yt-1,yt-2,…)E[xyt-1,yt-2,…];并取x=(yt-),(yt-1,yt-2,…)=[(yt-1,yt-2,…)-];由(0.1)(0.2)可得)=0+Var{(yt-1,yt-2,…)}-2E[(yt-1,yt-2,…)-]2=0-Var{(yt-1,yt-2,…)}.(0.5)即有:0=Var(yt)=Var((yt-1,yt-2,…))+Var(et).(0.6)此式表明,yt的方差(=0)可表示为:回归函数的方差(Var((yt-1,yt-2,…)),与残差的方差(Var(et))之和.下边讨论et的条件均值与条件方差.为了符号简便,以下记Ft-1={yt-1,yt-2,…}.首先考虑et的条件均值:E(etFt-1)=E{yt-(yt-1,yt-2,…)Ft-1}=E(ytFt-1)-E{(yt-1,yt-2,…)Ft-1}=(yt-1,yt-2,…)-(yt-1,yt-2,…)=0.(0.7)再看条件方差:Var(etFt-1)=E{[et-E(etFt-1)]2Ft-1}=E{et2Ft-1}(用(0.7)式)S2(yt-1,yt-2,…).(0.8)3此处S2(yt-1,yt-2,…)为条件方差函数.注意,et的条件均值是零,条件方差是非负的函数S2(yt-1,yt-2,…),它不一定是常数!依(0.3)式,平稳随机序列{yt}总有如下表达式:yt=(yt-1,yt-2,…)+et,(0.9)其中(yt-1,yt-2,…)被称为自回归函数,不一定是线性的.{et}可称为新息序列,与线性模型的新息序列不同,除非{yt}是正态序列.顺便指出,满足(0.4)式的{et}为鞅差序列,因为对它的求和是离散的鞅序列.由于{yt}是严平稳随机序列,且Eyt<,上述推演是严格的,从而{et}是严平稳的鞅差序列.当{yt}有遍历性时,它也是遍历的.此处所涉及的抽象概念可不必深究.现在将et标准化,即令tet/S(yt-1,yt-2,…).则有,E(tFt-1)=E[et/S(yt-1,yt-2,…)Ft-1]={1/S(yt-1,yt-2,…)}E[etFt-1]=0.(依(0.7)式)(0.10)以及E(t2Ft-1)=E[et2/S2(yt-1,yt-2,…)Ft-1]={1/S2(yt-1,yt-2,…)}E[et2Ft-1](用(0.8))={S2(yt-1,yt-2,…)}/{S2(yt-1,yt-2,…)}=1.(a.s.)(0.11)4由此可见,{t}也是平稳鞅差序列,与{et}相比,{t}的条件方差为常数1.于是(0.9)式可写为:yt=(yt-1,yt-2,…)+S(yt-1,yt-2,…)t,(0.12)此式可称为条件异方差自回归模型,所谓条件异方差就是指:条件方差S2(yt-1,yt-2,…)不为常数.请注意,条件异方差自回归模型与下文中的自回归条件异方差模型是不同的概念!*还有一点很重要,如果(0.9)模型具有可逆性,那么,Var(etFt-1)=Var(etyt-1,yt-2,…)=Var(etet-1,et-2,…)h(et-1,et-2,…).(0.13)因此,模型(0.12)式又可些成yt=(yt-1,yt-2,…)+h1/2(et-1,et-2,…)t.(0.14)请注意,模型(0.12)(0.14)式是普遍适用(或称万用)的模型!但是,为便于研究建模理论,在(0.12)式中还附加假定:t与{yt-1,yt-2,…}相互独立!此假定是实质性的,人为的.它对{yt}的概率分布有实质性的限制.还须指出:若在(0.9)式中直接假定et与{yt-1,yt-2,…}独立,此假定除了上述的人为性含义外,还增多了...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

GARCH模型与应用简介

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部