没有合适的资源?快使用搜索试试~ 我知道了~
基于非参数GARCH模型的一种波动率估计方法
2星 需积分: 9 11 下载量 82 浏览量
2011-07-29
20:25:11
上传
评论 2
收藏 188KB DOC 举报
温馨提示
试读
6页
基于非参数GARCH模型的一种波动率估计方法基于非参数GARCH模型的一种波动率估计方法基于非参数GARCH模型的一种波动率估计方法
资源推荐
资源详情
资源评论
基于非参数 GARCH 模型的一种波动率估计方法
一、文献及研究综述
波动率(volatility)是资产收益不确定性的衡量,它经常用来衡量资产的风
险。一般来说,波动率越大,意味着风险越高。由于波动率在投资分析,期权
定价等方面的重要性,近 20 年来一直是金融领域的一个研究热点,出现许多描
述金融市场波动率的模型,最为典型的是 Bollerslev(1986)提出的广义自回归
条件异方差模型( GARCH 模型),而在实证中得到广泛应用的是其中的
GARCH(1,1)模型,即条件方差不但依赖与滞后一期的扰动项的平方,而且也依
赖于自身的滞后一期值,三者之间存在一种线形关系。针对三者之间的线形关
系是否合适即能否用一种更有效的函数关系来描述的问题,人们进行了一些有
意义的探索。Engel 和 Gonzalez-Rivera(1991)采用半参数方法对条件方差进行建
模,对扰动项的滞后值采取非参数形式,对条件方差自身的滞后值采用线形形
式,两位的研究思路为人们以后的研究工作拓宽了思路。 Peter Buhlmann 和
Alexander J.MeNeil(2002)对三者之间的函数关系用一种非参数形式来描述,
给出了一种全新的估计波动率的循环算法,并对这一全新的算法的可行性和有
效性给出了证明,得出非参数形式的 GARCH(1,1)对波动率的估计效果要强与
参数形式的 GARCH(1,1) 。 Antonio Cosma 和 Fausto Galli (2005 )利 用 Peter
Buhlmann 和 Alexander J.MeNeil 所提出的估计波动率的算法,对非参数形式的
ACD 模型(Autoregressive Conditional Duration Model)的久期(duration)进行估
计,也得出用该估计算法的非参数形式比参数形式的 ACD 模型的估计效果优越。
本文采用非参数方法中的非参数可加模型,对条件方差采用非参数可加模型
GARCH(1,1)形式进行建模,即对条件方差的滞后值和扰动项的滞后值分别采用
不 同 的 函 数 形 式 进 行 建 模 。 估 计 方 法 是 基 于 Peter Buhlmann 和 Alexander
J.MeNeil(2002)对非参数 GARCH 估计时的算法思想,采取模拟数据和真实收益
率数据分别同参数形式的 GARCH(1,1)采用极大似然估计结果进行比较。文章
下面的结构是:第二部分是有关方法的描述。第三部分是模拟实验。第四部分
是实证部分。第五部分是本文结束语。
二、方法描述
㈠ Bollerslev(1986)提出的标准的 GARCH(1,1)形式:
(1)
其中, 是时间的信息集,包含了 及其以前的信息, 是扰动项, 是条
件方差, 是白噪声。为确保有条件的方差非负, 和 必须非负,且满足
才保证序列是宽平稳的。
传统的估计波动率的参数方法是对式(1)中的各个系数通过极大似然估计得
到,本文对波动率的参数法估计亦采用此方法。
资源评论
- 张艳敏20222014-09-02纯理论,不是我想要的
yanhui0124
- 粉丝: 0
- 资源: 5
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功