arch和garch模型

1、第9章 条件异方差模型 重点内容：ARCH模型的建立 GARCH模型的建立,一、自回归条件异方差模型（ARCH） 1.ARCH模型,自回归条件异方差（ARCH，Autoregressive Conditional Heteroskedasticity）模型常用来对模型的随机误差项ut进行构建模型，从而使残差序列称为白噪声序列。,一、自回归条件异方差模型（ARCH） 1.ARCH模型,基本原理：设xt的自回归AR（p）形式为 xt=0+1 xt-1+2 xt-2 +P xt-P + ut 则随机误差项ut的方差为 Var（ut）=t2 = E(ut2) = 0 + 1 + 2 + + q +t 其中，回归模型的参数0，1， q均为非负数，这样才能保证方差t2为正。 我们。

2、第六章 条件异方差模型,EViews中的大多数统计工具都是用来建立随机变量的条件均值模型。本章讨论的重要工具具有与以往不同的目的建立变量的条件方差或变量波动性模型。我们想要建模并预测其变动性通常有如下几个原因: 首先，我们可能要分析持有某项资产的风险；其次，预测置信区间可能是时变性的，所以可以通过建立残差方差模型得到更精确的区间；第三，如果误差的异方差是能适当控制的，我们就能得到更有效的估计。,6.1 自回归条件异方差模型自回归条件异方差(Autoregressive Conditional Heteroscedasticity Model， ARCH)模型是特别用。

3、第六章 条件异方差模型,EViews中的大多数统计工具都是用来建立随机变量的条件均值模型。本章讨论的重要工具具有与以往不同的目的建立变量的条件方差或变量波动性模型。我们想要建模并预测其变动性通常有如下几个原因: 首先，我们可能要分析持有某项资产的风险；其次，预测置信区间可能是时变性的，所以可以通过建立残差方差模型得到更精确的区间；第三，如果误差的异方差是能适当控制的，我们就能得到更有效的估计。,6.1 自回归条件异方差模型自回归条件异方差(Autoregressive Conditional Heteroscedasticity Model， ARCH)模型是特别用。

4、第 7 章、ARCH 模型和 GARCH 模型研究内容：研究随时间而变化的风险。（回忆：Markowitz 均值方差投资组合选择模型怎样度量资产的风险）本章模型与以前所学的异方差的不同之处：随机扰动项的无条件方差虽然是常数，但是条件方差是按规律变动的量。波动率的聚类性（volatility clustering）：一段时间内，随机扰动项的波动的幅度较大，而另外一定时间内，波动的幅度较小。如图，-0.20.0.20.40.60.8501015020R1、ARCH 模型1、条件方差多元线性回归模型： tttyX条件方差或者波动率（Condition variance ，volatility）定义为211var()r(|)tt t。

5、第 9 章、 ARCH 模型和 GARCH 模型 *重要阅读材料： Engle, Robert, 2004, risk and volatility: econometric models and financial practice, AER, 94(3): 405-420. 研究内容：研究随时间而变化的风险。 （回忆： Markowitz 均值方差投资组合选择模型怎样度量资产的风险） 本章模型与以前所学的异方差的不同之处：随机扰动项的 无条件方差 虽然是常数，但是 条件方差 是按规律变动的量。 波动率 的聚类性 （ volatility clustering）：一段时间内，随机扰动项的波动的幅度较大，而另外一定时间内，波动的幅度较小。如图， - 0 . 20 . 00 。

6、1,现代金融研究专题,GARCH模型,2,1、金融时间序列的特点,尖峰厚尾（Leptokurtosis）：金融回报序列普遍表现出厚尾（fat tails）和在均值处出现过度的峰度（excess peakedness），偏离正态分布。 就投资回报率而言，其分布的峰度比标准正态分布的峰度高。这表明股票投资比其它行为对更多的人而言具有同向影响，即市场具有收益时更多的人会有收益，市场亏损时，更多的人会亏损，暴发户和暴跌户为少数。 厚尾意味着其波动持续时间较长。 波动丛集性（volatility clustering）和波动集中性（ volatility pooling），波动是自相关的 正负冲击的。

7、1,现代金融研究专题,GARCH模型,2,1、金融时间序列的特点,尖峰厚尾（Leptokurtosis）：金融回报序列普遍表现出厚尾（fat tails）和在均值处出现过度的峰度（excess peakedness），偏离正态分布。就投资回报率而言，其分布的峰度比标准正态分布的峰度高。这表明股票投资比其它行为对更多的人而言具有同向影响，即市场具有收益时更多的人会有收益，市场亏损时，更多的人会亏损，暴发户和暴跌户为少数。 厚尾意味着其波动持续时间较长。波动丛集性（volatility clustering）和波动集中性（ volatility pooling），波动是自相关的正负冲击的非。