基于不同残差分布假定的GARCH类模型预测能力比较

第20卷 第1期

2008年3月

甘肃科学学报Vol.20 No.1

JournalofGansuSciencesMar.2008

基于不同残差分布假定的GARCH类模型预测能力比较

胡炜童 李振东

(兰州商学院统计学院,甘肃兰州 730020)

摘 要: 通过4种GARCH模型与3种残差分布假定组合对上证综指实证建模,发现残差分布假定对模型的预测能力有影响,学生t分布能较好的拟合上证综指收益率序列.关键词: 股市波动;GARCH;残差分布;预测能力

中图分类号: O212 文献标识码: A 文章编号:1004 0366(2008)01 0036 03

AComparativeStudyonForecastAbilityUsingGARCHModelswith

DifferentResidualDistributionHypotheses

HUWei tong,LIZhen dong

(Schoolofstatistics,LanzhouCommercialCollege,Lanzhou 730020,China)

Abstract: ThedailystockreturnofShanghaiSecuritiesMarketisconductedbyGARCHmodelswithre sidualdistributions.Theresidualdistributionsareinfluentialtothemodelforecastability,thestudentdis tributiontcanbeinthegoodfittingtotheseries.

Keywords: volatility;GARCH;residualdistribution;forecastability 不确定性是金融计量经济学中的一个中心问题.要取得合适的期权价格,好的金融市场波动性预测是必要的[1,2].GARCH类模型是度量波动性的主要工具,自1982年Engle提出自回归条件异方差模型,即ARCH模型后,近几十年里,其他学者又提出了GARCH、TGARCH、EGARCH、PGARCH等许多优良模型

[3~6]

对预测能力的影响.

1 研究方法

1.1 预测方法的选择

选择预测方法应考虑数据和模型的特性.GARCH类模型主要对平稳序列建模,较适合短期预测.选用滚动样本单步向前预测法, 单步向前预测法能得到较大的有效预测区间 ,可以保证预

测能力对比有意义.具体做法:用于模型估计的样本内观测区间长度保持不变,随着新的观测值加入,样本起止时点相应的增加1期.

1.2 模型估计优劣及预测精度的评价标准

预测精度高低和模型建立优劣虽不等价,但一般拟合的好的模型其预测能力相应的强一些,故在建立判断模型预测能力的标准时考虑2个方面:模型估计优劣和预测精度.

(1)模型估计优劣的判断标准 GARCH类模

[7,10]

.金融时序常常表现出高峰厚尾和

非正态性,GARCH类模型主要针对残差序列建模,故选择适合的残差分布假定对GARCH类模型的建立和预测是非常重要的.国内这方面的文献不多.文献[7]基于单步向前预测,认为EGARCH(1,1)模型是对上证综合指数日收益率最适合的波动预测模型.文献[8]建立GARCH模型,通过对各种残差分布进行比较,认为GED分布能更好地刻画上证指数的尖峰厚尾特征.我们对上述4种GARCH模型和3种残差分布(正态分布,学生t分布,广义误差分布GED)[9]进行组合实证建模,总结残差分布

收稿日期:2007 04 23

:(01)