动态混合HGARCH模型的估计和预测

发布时间：2020-12-26 01:08

　　在GARCH模型框架下,提出过新的双曲GARCH形式（记为HGARCH）,不仅与HY-GARCH模型一样可以同时刻画波动的强烈振幅和长记忆衰减两个性质,并且较之HY-GARCH模型,有更简单的条件方差非负约束条件.然而,当时间序列较长时,用单一参数结构不能充分捕捉可能发生的结构变化.为此,提出新的动态混合HGARCH模型（DM-HGARCH）,使之可以同时拥有协方差平稳、长记忆和结构变化3个特性.讨论了新模型的弱平稳解存在条件,利用EM算法进行参数估计,并且用蒙特卡罗模拟给出估计在有限样本下的表现.最后将该模型分别用于1995年～2014年中国上证指数和美国标普500指数的日波动率建模.结果表明,在给定样本期间内,动态混合HGARCH模型（DM-HGARCH）对标普500指数有更好的样本内拟合和样本外预测表现. 

【文章来源】：管理科学学报. 2020年05期 北大核心CSSCI

【文章页数】：12 页

【部分图文】：

上证指数的原始价格序列Pt、对数收益率yt、yt的自相关图和yt2的自相关图

图1 上证指数的原始价格序列Pt、对数收益率yt、yt的自相关图和yt2的自相关图在拟合部分，将每一个样本集都分为两个部分，1至n-500用于样本内(训练集)拟合，最后500个数据用于样本外(测试集)预测效果的评价．表2报告了DM-HGARCH模型和单一HY-GARCH模型的拟合结果．由于HY-GARCH和HGARCH有相同的表现，为节约篇幅，此处仅汇报单一HY-GARCH模型的实证结果．

【参考文献】：
期刊论文
[1]基于广义已实现测度的Realized GARCH模型改进及应用[J]. 蒋伟,顾研.  数量经济技术经济研究. 2019(07)
[2]基于时变波动率的存款保险定价研究[J]. 袁金建,刘海龙,刘小涛.  管理科学学报. 2019(03)
[3]基于混频数据抽样的已实现波动率长记忆模型[J]. 王天一,刘浩,黄卓.  系统工程学报. 2018(06)
[4]基于混合分布的中国股票波动风险因素的识别与分析[J]. 王安兴,谭鲜明.  中国管理科学. 2018(02)
[5]我国股市的对外溢出效应与国际影响力研究——基于Copula-DCC-GARCH模型[J]. 李红权,何敏园.  系统科学与数学. 2017(08)
[6]基于GARCH类模型的空头市场情景生成与投资组合[J]. 赵大萍,王杨孜,高杰英.  系统科学与数学. 2017(05)
[7]股票市场组合的市场风险度量研究——基于相关性模型[J]. 冯玲,吴江樵.  系统科学与数学. 2016(12)
[8]关于金融市场长记忆性研究的若干争论[J]. 田存志,程富强,付辉.  经济学动态. 2016(06)
[9]基于Copula模型的尾部相依性长记忆效应研究[J]. 龚玉婷,郑旭.  系统科学与数学. 2016(06)
[10]股票市场历史信息的长记忆性特征研究[J]. 李云红,魏宇,张帮正.  中国管理科学. 2015(09)



本文编号：2938737